全部动态

Never Look Back: Understanding Persistence in 3D Object Memory from Egocentric Videos

NeuralBES 试图用“共享神经编码器 + 物理约束 RC 热模型 + 可微并行求解”的方式，在建筑能耗建模中同时兼顾物理可解释性与大规模可扩展性；但本卡片基于元数据生成，正文细节与具体数值待核实。

值得关注：若结果成立，NeuralBES 提供了一条不同于“纯黑盒预测”或“逐栋物理标定”的中间路线：用物理结构约束神经模型，同时保留可扩展性与可微训练能力。 对需求侧灵活性（预测、转移、削减住宅负荷）而言，可信的热模型是基础组…

MORCA 是一个通过离线到在线强化学习训练、在用户指定的加速目标下做“潜在感知（latent-aware）”复用/重算缓存决策的调度框架；据摘要，它在多种视频生成模型与多个目标加速比下，以可比计算预算取得优于现有缓存方法的生成保真度（细节待核实）。

值得关注：视频扩散推理成本高，缓存加速是实用方向；把优化目标从 step error 转向 terminal error，可能改变缓存决策的判据。 用强化学习做缓存调度，并把“用户指定加速目标”作为约束/目标，指向更可控的加速接…

这是一项发表于 Science Advances 的研究，提出一种带仿生皮肤的**双段式支气管镜机器人**，目标是缓解支气管镜在气道内操作时的**侧向感知盲区**问题；由于仅获取到元数据、正文抓取失败，具体方法与结论**待核实**。

值得关注：若该工作成立，其价值在于针对**腔内机器人侧向感知盲区**这一具体痛点提出结构+皮肤层面的解法，而非单纯提升前端成像。 与既有机器人基础模型类卡片（如 π0.7 的通用操作、UAV-DualCog 的多模态状态推理）不…

一项发表于 *Science Advances* 的研究提出用机器学习辅助植物 Rubisco（核酮糖-1,5-二磷酸羧化酶/加氧酶）的定向进化；具体方法、结果与数据均**待核实**（正文未抓取）。

值得关注：从主题看，该工作处在“机器学习 + 蛋白质定向进化”的交叉前沿，若成立，可能为植物关键酶的工程化提供新范式。此判断仅为基于标题的方向性描述，**待核实**。 与既有卡片的关系：已有卡片多聚焦机器学习优化器（如 SOAP…

Long-WAM 是一个在实时控制约束下扩展因果世界-动作模型上下文的模型-系统框架；其核心结论是：拥有历史不等于会利用历史，更长历史只有在视频基础模型经自回归（AR）预训练时才会带来显著收益。

值得关注：它把“上下文长度”问题转化为“预训练目标是否支持因果/自回归利用历史”的问题，提示长窗口收益不是自动的。 对具身智能、机器人基础模型、世界模型和实时边缘部署均有参考价值。 与既有卡片的关系：同属世界模型/具身方向，但本…

一项研究提出，仅用未染色明场图像配合深度学习，即可对 CHO 细胞进行无标记活性预测，并在其评估中对基于荧光的参考测量取得约 2.68% 的平均绝对误差（具体口径待核实）。

值得关注：无标记、低干预的活性评估可降低对样本的化学扰动，并减少荧光试剂与光漂白带来的测量不确定性。 将“检测 + 单细胞分类 + 交互式探索”整合到一个软件中，有利于把单细胞层面的活性异质性纳入常规分析。 公开发布基准数据集有…

一篇（待核实的）论文探讨了“AutoResearch”协议——让编码语言模型在一小时 GPU 预算内修改训练程序，仅在验证 IoU 提升时保留改动——并将其应用于固定数据划分与固定骨干网络下的光伏板分割任务。

值得关注：将“自动研究/自动机器学习”落到遥感与能源相关的分割任务上，展示了以极短算力预算（1 小时 GPU）进行训练程序自动搜索的可行性。 “改进不可跨硬件迁移”这一发现对自动化 ML 流水线的可复现性与部署成本有直接影响。 …

一项预注册的田野实验发现，让学生在课前使用定制的语音 AI 讨论伙伴做预习，经过两次使用后，学生在后续课堂上的自愿发言量增加约 31%；更多使用者的“开口舒适感”和“感知学习”也更高，但专注度与动机没有提升。

值得关注：把 AI 教育工具的评估焦点从“考试分数”扩展到“课堂实时行为”，提供了一个不同的证据维度。 提示语音交互式 AI 可能在“表达与参与”这类中间学习结果上产生可测影响，而不一定同时改变动机或专注等状态。 对教学设计者与…

GRACE: Generation-aware latent compression for efficient video generation

FoldBack 是一种面向长时域衣物折叠任务的自纠正掩码生成策略，核心在于把“何时细化与验证、如何回滚、在哪以及如何重试”这三类推理时决策统一进一条可编辑的完整轨迹中，从而在执行过程中检测、撤销并修复失败的抓取交互，而无需恢复示范或重新训练基座策略。以上信息基于元数据，具体方法细节待核实。

值得关注：长时域操作的核心难点之一是错误累积：一次抓取失败会污染后续所有决策。FoldBack 把“纠错”从训练阶段前移到推理阶段，强调无需恢复示范与基座策略重训练即可修复失败。 与既有脉络的关系：本卡片与“Cortex：面向长…

据 arXiv 摘要，在固定任务、特征和湖级训练/测试划分的前提下，用正则化演化搜索扩展 MLP 架构空间，可把 Sentinel-2 藻华分类器的留出 AUC 从 0.790 提升到 0.820、准确率从 0.733 提升到 0.748，同时仅使用 409 个可训练参数（比最强手工设计参考少 26 倍），模型约 1.6 kB，论文将其定位为可作星上筛选触…

值得关注：它把“架构搜索是否值得”放在一个受控的地球观测任务上检验：不改变任务、特征和湖级划分，只搜索模型架构。 结果同时展示精度提升和极端参数压缩，对资源受限的遥感分类与星上筛选有参考价值。 与已有相关卡片（如“Transfo…

EngramEdit 提出一种基于条件记忆的解耦知识更新方法：在条件记忆架构中联合更新共享 n-gram 嵌入的目标表示，以较低对无关知识的影响实现事实更新，并在多表达、多跳和 CoT 场景中表现出较强泛化。

值得关注：传统微调或参数编辑容易波及无关知识；EngramEdit 将更新定位到条件记忆的 n-gram 嵌入，并显式惩罚高频复用嵌入，试图解耦“事实存储”与“通用计算”。 与已有卡片脉络的关系：已有“超级权重”卡片讨论微调目标…

EmbodiedRSI 是一种自演化智能体外壳，通过假设图、信息价值实验选择与代码-技能协同演化，让机器人基础模型在对象位置或任务指令变化时持续改进；材料报告其在 RoboCasa365、LIBERO-Pro 和真实机器人零样本迁移上取得较高成功率。

值得关注：它针对机器人基础模型部署后的持续改进问题：模型不只是在静态数据上训练，还可在物理交互中主动探索并更新。 它把物理实验当作“信息获取”手段：通过选择最能区分假设的实验，提高机器人试验的使用效率。 它尝试连接基准测试与真实…

GNN-to-MLP 蒸馏若只迁移节点预测或做置信度重加权，可能忽略教师模型由图结构诱导的表示几何；G^2MLP 用 Ollivier-Ricci 曲率在训练时分配预测级与表示级监督，让学生 MLP 在推理阶段无需访问图，同时缓解稀疏图与稠密图上的两类谱失效。

值得关注：该工作把 GNN-to-MLP 蒸馏的问题从“输出模仿”推进到“表示几何/谱结构保持”。 它指出图密度不同，学生的失败模式不同：稀疏图偏 underfit，稠密图偏 overfit；这为蒸馏监督分配提供了结构化视角。 …

论文提出 ExpDis：把 RLVR 中带新颖性奖励的“探索”与不带该奖励的“优化”分开，先训练探索策略、过滤轨迹，再蒸馏给学生策略，多轮交替；摘要称在七个数学推理基准、两个模型家族上，相同 wall-clock 预算下优于 DAPO，并改善 pass@k 扩展表现。

值得关注：与已有卡片“弱模型引导提升RLVR中LLM的探索”同属 RLVR 探索增强脉络。该卡增量在于：不是用外部弱模型前缀，而是把 novelty bonus 限制在 explorer 端，并用过滤+蒸馏将探索成果转移给无 n…

论文证明：在光滑非凸目标、噪声仅有有界 $p$ 阶矩（$p \in (1,2]$）的重尾条件下，使用梯度裁剪的基础去中心化 SGD（clipped $\mathtt{DSGD}$）可在高概率和期望意义下达到阶最优收敛率，并随智能体数量实现线性加速；关键是对裁剪结构下的共识差距（consensus gap）做了精细分析，使网络效应退化为高阶项。

值得关注：重尾噪声下的去中心化优化同时涉及优化收敛与网络共识，理论分析通常更难。该论文表明，一个基础方法——clipped $\mathtt{DSGD}$——即可在重尾噪声下达到阶最优，并实现智能体数量线性加速，不必依赖归一化或…

\(\Delta\)-MOPD 提出将多教师在线策略蒸馏（MOPD）的监督目标从“教师端点策略”改为“教师相对基座的 logit 偏移”（teacher-minus-base shift），并重新锚定在学生的冻结初始化上；摘要称该目标在教师信号于同一状态被组合时尤为有效，且在分阶段路由下缩小了教师顺序带来的性能差距。待核实：论文全文、实验设置与复现细节。

值得关注：与既有脉络的关系：已有卡片分别讨论 MOPD 的能力失衡修复、梯度/损失平均与数值精度影响、以及长程规划中的单/多教师在线策略蒸馏；本卡片补充的是“监督目标如何构造”这一独立设计轴，而非教师选择或优化器/数值效应。 若…

这篇 Perspective 提出 **State over Tokens (SoT)** 概念框架，把推理词元（reasoning tokens）重新理解为“外化的计算状态”，而非对推理过程的语言叙述，从而解释为何这些词元能驱动正确推理、却在被当作文本阅读时不构成忠实解释。

值得关注：与已有相关卡片的关系：本卡片处理的是 **推理词元本身的机制定位**，而非某一具体任务中的忠实性结论。 相较“视觉-语言-行动模型是否表里如一？”（聚焦具身推理忠实性），本条把问题从“是否言出必行”推进到“这些词元在机…

论文提出“漂移均值”（Shifting Means）这一新的对抗性扰动模型：仅假设各臂奖励的差值稳定、共同偏移可被对抗性设定，并给出在该模型下可用的最佳臂识别算法 $\mathsf{ISM}$ 及样本复杂度上下界。

值得关注：指出现有主流停止准则（GLRT 类，含 Track-and-Stop）在奖励分布随时间漂移时会失效，提示在非平稳环境下需要重新设计算法。 将非平稳性从“奖励均值独立变化”推广到“仅差值稳定、共同偏移对抗可控”的更弱假设…