在表格数据深度回归中，经过恰当调参的 MSE 仍是难以被多数替代目标函数稳定超越的强基线，分位数损失（quantile loss）在测试的多种骨干网络上表现出一致的总体提升；但即便使用这一强目标函数，不同目标噪声区域的最佳预测性能出现在不同训练轮次，单一全局早停检查点会在异方差区域之间强加折中。
值得关注：表格数据深度学习近期受到较多研究关注，但回归任务的目标函数选择一直是相对被忽视的自由度；本文提供了跨数据集、跨骨干网络的系统性实证图景。 指出“目标函数足够强”并不足以解决问题：全局早停会在异方差区域之间引入折中，这提…
在长程编码任务中，对完整沙箱快照做 Go-Explore 式搜索之所以能提高并优化求解率，主要依赖仓库之外的进度（如数据库、服务与运行时状态），因此当任务横跨多个服务、状态无法由单个 diff 重建时，全快照搜索最有效。
值得关注：与“只保存代码补丁/上下文摘要”的常见做法形成对照：本工作指出真正的进展可能沉淀在运行时环境里，而非仓库文件中。 与既有脉络的关系：AutoCompact 关注“何时压缩上下文、保留什么工作状态”；ExecCritic…
RATED 提出一种将语义匹配与运行时可靠性反馈相结合的智能体工具检索框架，在严重API故障场景下将错误选择率从86.2%降至2.9%，且延迟开销不足1毫秒。
值得关注：现有智能体工具检索研究几乎聚焦于语义相关性，而忽略了工具在真实运行环境中可能不可用这一关键事实。RATED 首次将“执行动态”纳入工具检索环路，使智能体在遇到API故障时能自动切换到可用替代工具，而非反复选择已失效的工…
QTestBench 是一个独立评估大模型生成量子测试套件的框架：即便生成的测试几乎都能运行，它们区分正确实现与错误实现的能力仍然有限（最佳生成器在 QHack 上测试质量为 0.71，在 Qiskit HumanEval 上仅为 0.34）。
值得关注：随着大模型进入量子软件编写流程，测试是否可靠直接关系到代码安全；本工作把评估焦点从“能否写出正确解”转向“能否写出能识别错误的测试”。 它揭示了量子测试与经典测试的评估差异（概率性、容差、领域检查器），为后续工具和方法…
一篇理论论文提出：一个循环记忆状态即使能复现当前全部预测，也未必保留“如何从下一次观测继续学习”所需的信息；对特定损失函数，这种“预测等价但记忆不等价”的缺口可以被精确刻画。（摘要级结论，正文待核实）
值得关注：对“把循环状态当作记忆”的常见直觉提出理论反例：预测保真度不等于学习能力的保真度。 为记忆压缩、状态设计、在线/持续学习系统的容量下界提供可能的分析框架。 与既有卡片脉络的关系：本卡片延续“循环不等于可靠性”这一主题，…
PISO（Partially Informed Stochastic Optimization）把“已知的部分梯度”和“由函数评估推断的残差”结合起来，通过对残差做在线追踪并以此为基准中心化零阶观测，降低探测方差并给出非凸收敛保证。
值得关注：针对“只有部分梯度可知”的优化结构给出了通用算法框架，覆盖 performative prediction、performative RL 与黑盒下层双层优化等场景。 通过残差追踪把零阶探测的方差与追踪误差挂钩，而非与…
OpenPA 是一个基于 Whisper 交叉注意力机制的自动发音评估（APA）框架，无需强制对齐即可同时预测词级与语句级发音分数，并通过混合转写自适应在单一模型中兼容封闭式与开放式作答场景。
值得关注：发音评估从“照稿朗读”走向“自由表达”是口语评测与语言学习产品的关键趋势。OpenPA 去掉强制对齐、用单模型覆盖多种作答设置，若能落地，可简化评测流水线、降低对分阶段特征工程的依赖，并有望扩展到非母语语音之外的临床或…
该研究聚焦连续扩散语言模型（CDLMs）中的自条件（self-conditioning）与嵌入几何（embedding geometry）两个关键设计杠杆，提出 DoubleCat 与 SemiCat 两种方法，在 TinyGSM 和 1.7B 规模上验证了连续扩散可达到甚至超越离散扩散的性能；但部分扩展选项（如混合腐蚀过程与非同步噪声调度）仍待进一步核实。
值得关注：CDLMs 的设计空间此前缺乏系统理解，本文通过机制分析（而非仅经验试错）揭示了自条件与嵌入几何的作用原理，为社区提供更清晰的设计指导。 SemiCat 在 1.7B 规模上超越离散扩散，表明连续扩散路线在大规模语言建…
MC-EvoBench 是一个受控的 Minecraft 基准，通过隔离“能力改变”与“资源携带、来源暴露不均、早期执行失败”，发现相关经验并未带来稳定的跨世界能力迁移。
值得关注：作者强调，仅凭“存下记忆”或“最终动作成功”无法确认可复用能力的获得；MC-EvoBench 的价值在于把评估拆解为可对照的条件（无先验/相关/不相关/打乱）与受控的源-目标边界，从而避免把携带资源或来源暴露差异误读为…
在由正定核导出的 MMD 几何中，若同时满足核几何下的收缩假设与标准谱隙假设，马尔可夫链的经验占用测度能以非渐近、高概率方式逼近不变测度，且谱隙主导有效样本量、核收缩只产生线性修正。
值得关注：将马尔可夫链收敛分析从传统度量推广到核诱导几何，可能为基于 MMD 的采样与学习算法提供理论支撑。 明确区分谱隙与核收缩两类假设的贡献，有助于在算法设计中判断哪一条件才是瓶颈。 为单轨迹动力系统学习提供与混合性质挂钩的…
该研究提出一种无需动态捕捉与物理模拟的方法，通过将2D光流“提升”为一致的3D欧拉运动场并驱动高斯图元形变，在静态3DGS场景中生成视觉合理的无缝循环水流动画，同时保留实时渲染性能与自由视点导航能力。
值得关注：3DGS的静态假设限制了其在真实环境中的表现力，而高频动态（如水）恰是增强真实感的关键难点之一。 该工作把“难采集”的高频动态转化为“可计算生成”的运动场问题，避免了对昂贵采集设备与物理仿真的依赖。 与既有脉络的关系：…
LapMerge 是一种面向有序序列的可微分 Token 合并算子，通过学习到的质量分布在 Laplace 核密度下把序列划分为恰好 N 个等质量片段并聚合，从而在 O(M+N) 时间内同时实现精确输出预算、端到端可微分与线性开销。
值得关注：长上下文与高分辨率输入的模型成本高度依赖 Token 数量。既有方法往往在“信息保留”“精确预算”“计算效率”“可微训练”之间做取舍，LapMerge 声称同时满足这几点，且在大序列长度上速度优势显著。与既有卡片（如 …
据论文摘要，在一种“每轮冻结条件边缘分布、按随机调度并行生成坐标”的并行采样模型下，按调度平均的 KL 与按输出律平均的 KL 会导出截然不同的轮复杂度：对平衡二元串目标，前者为 \(\Theta_\varepsilon((\log n)^2)\)，后者可低至 \((e^{-\varepsilon}+o(1))\log_2\ln n\)。
值得关注：据摘要，这条结果揭示：在并行采样里，“先随机选调度再平均 KL”与“先混合输出分布再算 KL”不是等价的复杂度度量；前者可能显著高估所需轮数。对生成模型/并行解码等需要控制“轮数预算”的场景，这提示评估指标的选择会直接…
InstantFusion 提出一种轻量级共享隐空间接口，通过模型专属的 Latent AutoEncoders（LAEs）在异构扩散/流模型之间转换中间去噪状态，使去噪过程能在冻结的生成器之间无缝切换，而无需为每一对模型单独训练映射。
值得关注：现有跨模型组合或蒸馏通常需要成对的专用映射，随模型数量增长成本迅速膨胀。InstantFusion 以“共享隐空间 + 模型专属编解码器”的方式解耦模型对依赖，若能成立，可降低异构生成器复用的工程成本，为加速、偏好组合…
该工作把从头纳米抗体设计中的“条件选择”（支架身份、目标表位等）重新表述为推理时算力分配问题，并提出两种动态预算分配器（联合 Global SMC 与解耦的 BaSE 变体），在摘要层面声称可将“每 GPU 小时可设计候选产率”提升近 5 倍且不牺牲多样性——但具体方法细节、实验设置与数据范围**待核实**。
值得关注：把“条件/配置选择”从训练前或生成前的静态决策，转为推理时的动态资源分配，是对 FK 引导类方法（固定单一配置内优化）的明确增量。 对纳米抗体设计而言，支架与表位组合空间大且产率不均，动态分配有望避免在低产率配置上浪费…
多模态扩散 Transformer（MMDiT）中图像到文本（I2T）的反馈会“锁死”已生成的内容（包括错误）；抑制这一反馈可提升生成质量，论文据此提出 Semantic Feedback Guidance（SFG）及其原地变体 iSFG。
值得关注：揭示 MMDiT 中一个此前少被显式讨论的失效机制：I2T 反馈会“自我确认”已有内容，使错误难以被后续步骤纠正。 提供一种无需重训、可插拔的引导策略（SFG/iSFG），对图像与视频生成均有效，工程改造成本低（iSF…
该研究给出了标准异步 Q-Learning 在单条轨迹、固定行为策略下的“最后迭代”误差界：零初始化、常数步长的 Q-Learning 可在 \(\widetilde{O}(H^4/(\mu_{\min}\varepsilon^2)+\mathfrak h_\star)\) 次转移内达到 \(\varepsilon\) 级 sup-norm 误差，其中初始…
值得关注：最后迭代保证：许多理论结果针对平均迭代或特定加权迭代，该工作直接约束实际训练中真正被使用的最后一次迭代。 初始化成本显式化：用 \(\mathfrak h_\star\) 或 \(t_{\mathrm{mix}}/\m…
HnS 是一种无需模型权重或概念标注数据集的黑盒视觉模型概念级归因方法，通过“检索—定位—遮蔽—比对输出变化”的流程直接测量模型行为，在 CelebA 和 COCO-Stuff 上比现有方法更符合真值归因，并可迁移到图像描述与卫星图像分割等任务。
值得关注：可解释性是模型部署与审计的关键环节，尤其当模型只能通过 API 或封装形式访问时。HnS 的增量价值在于：它不依赖权重与标注概念集，因而更贴近真实黑盒审计场景；同时通过遮蔽—比对的因果式测量，使归因更贴近模型实际行为而…
该论文面向间歇连接、长传播时延与中继存储受限的深空网络，把中继侧的 Bundle 调度、丢弃与流控建模为约束半马尔可夫决策过程，并用带掩码的拉格朗日 PPO 求解，以“超额年龄”与任务相关性为优化目标，在 DTNSim 仿真中报告了优于基线调度器的年龄效用与流间公平性。
值得关注：深空网络的接触机会稀缺且不可预测，中继存储有限，人工或规则式调度难以兼顾任务优先级与跨源公平。该工作把“信息新鲜度”与“任务相关性”显式纳入强化学习目标，并用约束优化与动作掩码处理可行性，为接触驱动网络中的资源分配提供…
这篇论文（Finite-Sample Guarantees for Fully Discrete Conditional Diffusion Models）据摘要称，在光滑条件密度假设下，为从数据学习、且以有限步去噪实现的条件扩散模型建立了有限样本高概率误差界，并给出与既有条件分布估计理论相匹配的 TV 误差率；具体证明细节与实验尚待核实。
值得关注：若结论成立，它为“条件扩散模型在有限数据 + 有限步数下能学到多好”提供了可比较的统计速率，把离散化误差纳入同一框架。 对条件生成任务（需要给定 y 生成 x）的理论刻画，可能比无条件情形更贴近实际使用场景。 与既有条…