该研究提出一个基于测量的基准 **World Models' Last Exam in Physics**，用 40 个受控任务评估视频世界模型在多个物理领域中的物理一致性；在八个视频生成模型、1,280 个视频上，最佳模型总分仅为 **57.76/100**，显示物理不一致仍然持续存在。
值得关注：视觉逼真的视频世界模型若物理上不可靠，可能误导下游预测、规划和决策。该工作的重要性在于把“物理一致性”从抽象担忧转化为可测量、可解释、跨多个物理领域的评测问题。
语言模型微调后看似“忘掉”的旧知识，可能只是被共同方向移位暂时遮蔽，仍可恢复；真正灾难性的是事实特异变化的累积侵蚀，而哪类遗忘占主导取决于新数据是否把旧记忆一起移动。
值得关注：它把“灾难性遗忘”拆成可诊断的机制：旧知识未必被删除，可能只是被共同方向暂时挡住。若该机制可推广，模型更新后可通过检测/校正共同位移来恢复旧能力，而真正需要防的是事实特异侵蚀。与已列出的句法评估、时间序列频谱、参与式道…
VeriFine 提出一个 agent harness 框架，让 policy、训练课程与 judge 共同演化，并在验证成为瓶颈时引入选择性人类指导来改进 judge，从而支持具身推理中的持续自我改进；具体性能提升幅度与实验细节待核实。
值得关注：VeriFine 把“验证/judge 本身”作为自我改进闭环中的可演化对象，而不是只优化 policy 或依赖固定评估器。这对具身智能尤其重要，因为驾驶、机器人导航等场景的评估不能只看答案对错，还要看空间 groun…
据候选摘要，论文主张常见的“单最小对”log-likelihood 比较不足以可靠测量大语言模型中的刻板印象，并提出“双最小对”设置、数据增强框架与两种评估指标；其中一种指标基于社会群体与刻板属性之间的互信息（MI），以支持更稳健的跨语言、跨模型比较。正文未抓取，具体定义、实验与结论强度待核实。
值得关注：偏见评估若依赖不稳定的单句对 log-likelihood 比较，可能导致模型排名或安全结论随改写、属性替换而改变。双最小对与 MI 聚合思路若成立，可能提升评估的稳健性和可比性。 与既有卡片的关系：本卡片聚焦 LLM…
据论文摘要，Sherpa 是一个多轮强化学习框架：它用不同学习偏好的 LLM 学生原型来模拟学习者，并训练教师 LLM 直接以提升这些学生的学习结果为优化目标，从而让教师模型学会自适应教学；摘要报告学生表现平均提升 20.5 个百分点等结果。
值得关注：把教师训练信号从演示、偏好或预设教学标准，推进到个别/模拟学生的学习结果，并强调教学策略需随学习者变化。 与既有卡片的关系：CreativeInstruct 关注后训练中质量、创造性与多样性的平衡；IdeaAnchor…
论文提出 RLCP（Reinforcement Learning with Calibrated Pruning），用 critic 分数和在线阈值自适应裁剪候选动作集；在 KuaiRand-Pure 与 MovieLens 1M 的 19 个配置中，至少一个 RLCP 变体取得最高目录多样性，达到最强基线的 1.11×–5.21×，同时会话深度有竞争力且…
值得关注：固定推荐位或固定 slate 的限制在于无法适应会话内有效候补数量的变化。本文把动作集裁剪与在线校准阈值、RL 价值损失分解和有限会话奖励界联系起来，为推荐 RL 中“多样性—深度—动作空间大小”的权衡提供了一种可分析…
作者称，该工作为具有空间变化反扩散系数的 Kuramoto--Sivashinsky 方程提出了首个快速稳定反馈设计，通过双边界输入与 Fredholm backstepping 克服单输入设计在重复不稳定特征值处的可控性缺失，并用神经算子近似增益以实现数值实现。
值得关注：将 Fredholm 快速稳定化从常系数、单输入设计推进到空间变化反扩散系数与重复不稳定特征值障碍。 把边界控制、backstepping 变换、可控性必要条件和神经算子近似放在同一框架中，体现控制理论与学习型近似方法…
QF3（Fast Flow RL with Filtered Q-Gradients）是一种在线离策略强化学习算法，用流匹配训练流策略，并结合评论家的动作梯度与“过滤 Q 梯度”机制提升更新可靠性；作者报告其可首次以离策略流 RL 从零训练人形机器人运动策略并零样本迁移到硬件，同时相较 FPO++ 取得约 10 倍墙钟加速。
值得关注：它将流匹配策略与离策略强化学习结合，指向一条比在线策略流 RL 更高效的训练路径。 “过滤 Q 梯度”针对评论家梯度与一步预测的可靠性问题，提供了控制更新范围的方法思路。 若零样本人形运动迁移与操作策略微调结果可复现，…
针对“近期短窗口有标签、长期仅有协变量、且覆盖多个空间位置”的时空数据场景，论文提出一种结合预测驱动推断（PPI）与异方差自相关稳健（HAC）思路的方法，用不完美预测器给出各空间位置未来期望标签的点估计与有效置信区间，并称优于若干自然替代方案。
值得关注：现实中的时空数据常常“标签稀缺但协变量充足”，直接用模型插补标签会把预测误差当作真实信号，导致系统性偏差；而只做传统统计推断又受限于样本长度。 PPI 原本是为利用 ML 预测做有效推断而设计的框架，但其 i.i.d.…
论文提出一种面向 3D Gaussian Splatting（3DGS）的后训练语义提升方法：逐目标类别融合多视角证据，按每个高斯在各视角中的可见性加权累积目标/非目标证据，再用主阈值 β 与较低阈值 γβ 筛选和扩展高斯；该设计可分离 2D 检测器、2D 到 3D 提升、以及高斯到网格标签迁移三类误差。材料报告在 ScanNet++ 十个测试场景上，使用…
值得关注：3DGS 高斯与网格真值属于不同表示，直接把网格标注用于高斯评估会混入表示转换误差；该工作尝试显式拆分三类误差。 多视角遮挡、类别判断不一致和检测器置信度波动，使简单逐视角阈值化不稳定；可见性加权与双阈值设计针对这一问…
本文给出一个确定性算法，在在线逆向线性优化中达到最优的 \(O(\sqrt d)\) 遗憾，并将运行时间降到 \(d\) 与 \(T\) 的多项式，正面回答 Sakaue 提出的“能否在多项式时间内达到该遗憾”的问题。
值得关注：本文正面回应了在线逆向线性优化中的一个核心计算效率问题：最优遗憾是否必然伴随指数级计算代价。答案是“不需要”——存在确定性多项式时间算法达到同一遗憾阶。
摘要显示，鲁棒 bandits 中一个特殊情形可用多项式时间学习器实现 $\tilde{O}(\sqrt{T})$ regret；但若干小泛化被证明是 NP-hard，说明该特殊情形可能位于计算可处理性的边界。
值得关注：这项工作把 robust bandits 的讨论从“统计上能否学习”推进到“计算上能否高效学习”。对于需要在线决策、且环境可能偏离学习者假设类的场景，计算可处理性决定理论保证是否可能真正落地。与已有相关卡片无直接事实重…
论文提出 **Neural Petri Flow**，把 Petri 网的 firing form、局部性和使能规则硬编码为无参数层，仅学习各变迁的 rate law 或分类读出；摘要报告其在原子映射、反应分类、正向预测和基元步骤预测等多个任务上优于若干基线。具体实现与可复现性待核实。
值得关注：与“把 Petri 网仅当消息传递骨架”的神经模型不同，本工作尝试保证每个权重取值下仍保留 Petri 网语义，把归纳偏置从软约束变为结构约束。 在既有相关卡片脉络中，本卡不重复“算子学习”“3D 晶粒生长动力学”“贝…
在精确滑动窗口约束的线性 bandit 中，离线最优解依赖凸性与循环移位不变性；在线学习不能只靠几何结构，需要 transition diameter $\tau$ 或 history-state diameter $D$ 等可达性/通信度量，作者据此给出 rare-switching OFUL 与乐观剩余时域规划，并在评估中以更少策略更新维持精确可行性。
值得关注：它指出了一个关键点：在约束在线学习中，“乐观地面向可行集”不够，还必须处理可行状态之间的可达性与通信结构。 从平稳解扩展到非平稳最优行为，并用有限记忆控制视角处理历史状态，为滑动窗口约束下的 bandit 提供了新的分…
据摘要，IdeaAnchor 试图通过“结构化规格作为特权信号”训练 LLM，把一组相关论文综合成研究想法；摘要称其在 ideation quality 上有持续改进，并观察到“锚点训练强化创造性综合、检索增强细节展开、二者结合最佳”的功能分解。
值得关注：现有 prompting/feedback 路线缺少对文献综合过程的结构化监督，IdeaAnchor 的增量在于把“论文如何被综合成想法”的规格显式编码为训练信号，并从已发表论文中挖掘这种监督实例。
复用选出 Best-of-N 胜者的分数来评估该策略，会高估其期望评审奖励；论文给出无偏评估的硬条件：在固定 K 个独立分数矩阵下，仅当选择策略使用的新分数数 J 小于 K 时，才存在仅基于该矩阵、对期望评审奖励恰好无偏的单一估计量，而 Holdout 可达到相应 minimax 风险，但无偏本身有统计代价。
值得关注：Best-of-N 类方法常用分数来选择胜者，再将同一批评分用于报告效果；本条材料指出这种复用会导致乐观偏差。论文进一步给出无偏性成立的精确条件与风险率下界/上界，因此对评估协议设计、评分预算分配和结果可信度有直接影响。
VIMA（变分推断驱动的微环境分析）是一种无需预先注释细胞类型或微环境的深度学习统计方法，可在多种空间分子技术与疾病中高功效、高保真地识别疾病相关组织模式。
值得关注：空间分子数据（如空间转录组、多重成像）正快速积累，如何在无注释条件下发现疾病相关组织模式是关键瓶颈。 既有方法常需先定义细胞类型或组织微环境，可能引入主观性与偏差；VIMA 声称可在无注释下进行识别，属于方法学上的“减…
EgoLAP 是一个 VLA 预训练框架：它不把原始人类轨迹直接作为控制监督，而是把运动意图表示为结构化、时间抽象的语言动作，并搭配运动级推理，从而将第一视角人类经验迁移到机器人控制。摘要报告其真实世界平均任务进度达 80.1%，相比替代动作表示有 2.3 倍提升。
值得关注：它把“跨具身迁移”问题从直接对齐低层动作，转向共享的语义/语言动作抽象，可能为 VLA 预训练提供一种数据扩展接口。 与既有 VLA 忠实性卡片的关系：既有卡片关注 VLA 是否“言出必行”的忠实性；本条关注用语言-行…
在 TRACE 的 590 个 AppWorld 压缩边界配对重放语料上，压缩前历史只能弱预测压缩后的动作负担；最佳可解释触发器避免 21% 有害边界并保留 84% 压缩机会，但材料尚不支持其在匹配保留率下优于 token 预算规则的结论。
值得关注：长时程智能体的上下文压缩直接关系成本、延迟与任务成功率；全局 token 预算忽略任务状态，可能在不合适的时机压缩。本文的重要性在于：它用配对重放和动作负担指标把“压缩何时有害”变成可检验问题，但结果提醒该信号目前很弱…
Disentangling Paradigm, Identifier, and Decoding in Generative Retrieval