零流双样本检验（ZF2ST）通过基于零流准则的统计差异量（ZFD），利用神经网络学习两分布之间的局部错位方向模式，在控制第一类错误的同时，对结构化分布变化具有强检验功效。
双样本检验（two-sample testing）用于判断两组样本是否来自同一分布。现有方法（如最大均值差异MMD、核化Stein差异等）通常需要预先指定核函数或特征空间，限制了灵活性。该研究提出一种新的统计差异量——零流差异（Zero-Flow Discrepancy, ZFD），并设计出对应的实际检验程序ZF2ST，核心思想是通过学习两个分布样本的局部…
本文提出一种跨模态在线策略蒸馏框架X³-OPD，利用文本教师模型的推理能力指导音频语言学生模型，显著提升后者在复杂音频场景下的逻辑推理和思维链质量，实验验证其在多个基准上表现优于现有方法。
大型音频语言模型（LALM）在听觉感知方面取得显著进展，但在深层逻辑推理上仍落后于纯文本大语言模型，主要原因在于高质量音频推理数据稀缺。为弥补这一差距，作者提出X³-OPD框架，旨在将文本教师模型的推理能力迁移至音频语言学生模型。
Windowed-MTP: Removing the Full-Context Draft-KV Tax at Million-Token Context
独立训练的代码模型在“哪些概念获得专用电路”上高度一致（由任务决定），但在“电路位于哪一层”和“电路如何逐层增长”上完全由模型个体决定——通用性属于表征内容，而非计算组织。
该论文旨在回答：独立训练的语言模型是否以相同方式表示相同事物？作者聚焦代码领域，设计了一个 2×2 实验（Python 与 Rust 两种语言 × Qwen2.5-Coder-7B 与 DeepSeek-Coder-V1-6.7B 两个模型），对四种组合分别提取完整的语法概念电路（Python 58 个，Rust 57 个），从而分离任务（语言）、语言本身…
VCSD 通过将图像内容擦除转化为对比信号，在不依赖外部教师、特权答案或视觉证据的前提下，实现了性能优于现有策略自蒸馏的纯输入条件驱动的自蒸馏方法，并在 Qwen3‑VL 系列上取得显著提升。
Visual Contrastive Self-Distillation
通过无监督共识异常检测框架，加纳2014–2023年月度疟疾监测数据中的异常传播模式被识别为高度时空结构化；异常负担（异常期累计病例）与异常频率（异常行为持续性）在空间上分离，表明仅靠疟疾负担无法全面描述传播动态。
传统疟疾监测往往聚焦于高病例数地区，但这类地区未必出现最异常（偏离常态）的传播行为。研究希望从时空数据中自动发现具有统计学显著性的异常月份，并区分“哪里病例最多”与“哪里传播最反常”，从而指导精准干预。
UniD 利用预训练扩散模型的强视觉先验，通过轻量任务投影器蒸馏多个任务专家，实现从不相交、领域特定的数据集中联合学习八种视频稠密场景属性，无需标注重叠或伪标签，并在未见场景-任务组合上表现出良好泛化。
Unified Video Dense Prediction from Disjoint Data
UnDA 是一种无需成对数据的跨模态知识蒸馏框架，通过不确定性加权最优传输和原型一致性约束，在严格无配对的医学影像分割任务上显著提升了目标模态的精度与边界清晰度。
多模态方法在医学影像下游任务中通常优于单模态方法，但获取成对的临床数据（如 CT 与 MRI 的精确配准）在实际中非常困难。现有的跨模态知识蒸馏方法面临两大挑战：一是模态间巨大的域差距导致特征对齐困难；二是源域预测中的不确定噪声会向目标域传播。本研究旨在设计一个无需成对数据即可实现稳健跨模态知识迁移的框架。
本文提出了一种结合遮挡类型识别、条件扩散模型图像重建与深度学习特征提取的三阶段虹膜识别框架，在CASIA-Iris-Thousand数据集上的受控合成遮挡实验下，显著提升了因眼睑、睫毛、反光等遮挡导致的识别性能下降问题。
Towards Robust Iris Recognition Through Occlusion Identification and Conditional Diffusion-Based Reconstruction
认知障碍（Cognitive Impairment, CI）是一个日益严重的公共卫生问题，早期准确诊断对及时干预和改善患者预后至关重要。基于语音的非侵入式检测方法因其成本低、可远程实施而受到关注。然而，现有方法在跨说话人、跨录音设备和跨临床环境下的泛化能力有限。本文旨在利用大语言模型（LLM）的表示学习能力和多模态融合策略，构建一个既高精度又强泛化的认知障…
Toward Continuous Assurance for the Democratization of AI Agent Creation in Industry
Thinkink 是一个让用户通过手写文本或草图与 LLM（大语言模型）在共享 2D 画布上以“墨迹”形式交互的原型工具，其设计基于三个阶段（形成性研究、诊断性技术探针、最终评估），旨在将 LLM 无缝整合到人们用纸笔进行构思的习惯中。
人们在构思时经常用手写笔记和草图外化想法。现有 LLM 交互多基于键盘/触屏打字输入、纯文本输出，与自然的手写/涂画习惯脱节。本文提出研究问题：如何设计一种“墨迹原生”（ink-native）的交互方式，让用户和 LLM 都能在 2D 空间手写和绘制，从而支持构思过程。
本文从理论层面论证：即使 AI 系统高度成熟，人类参与在某些活动中也不会消失，因为“目标涌现”（目标通过参与过程本身生成）是自动化不可消除的核心壁垒；人机共建不是过渡状态，而是这类活动的固有特征。
**核心问题**：自动化的概念极限在哪里？当前主流假设认为，人类留在回路中只是因为 AI 还不够强；本文挑战这一假设，提出即使在超级 AI 下，人类参与仍会因三类理由而持续存在。 **核心论点**：自动化存在根本性的概念边界，而非仅仅是技术瓶颈。
Texture++: Elevating 3D Asset Texture Resolution with a Region-Aware Diffusion Model
Synthetic data generation framework for quality control automation in gravure printing
惊奇理论声称人类语言处理难度与语言模型下的惊奇度成仿射关系；但若不对语言模型施加额外约束，该理论无法证伪，实为同义反复。
作者论证了“惊奇理论”（Surprisal Theory）的核心主张——上下文中语言单位的处理难度是该单位在某个语言模型下惊奇度的仿射函数——在缺乏理性约束时是一个同义反复。具体而言，对于任何非负难度度量，在温和技术条件下都存在一个语言模型，其惊奇度与该度量成仿射关系。因此，任何难度模式都能与某个语言模型一致，使得该理论无法做出可证伪的预测。
WorldWeaver 通过引入跨智能体共享的**世界状态寄存器（world state registers）**，在流式生成多智能体视频时显式维护世界状态，从而提升逻辑一致性和生成质量。
多智能体交互世界模型不仅需要生成一致的观测帧，还需要维护跨智能体、跨视角演化的**世界状态**。现有自回归视频扩散模型仅将历史观测作为条件上下文，难以在多人/多视角场景中保持共享状态。本文提出 WorldWeaver，利用可学习的寄存器 token 存储共享世界信息并追踪个体智能体状态，在每生成一段视频后动态更新这些寄存器。
预训练图像的视觉Transformer（ViT）的冻结特征可以重新用于学习结构化的视频运动表示，通过显式分离相机运动和物体运动，在弱监督条件下达到与强监督方法可比的性能。
视频帧间的变化同时由相机运动和物体运动引起，两者在自然视频中紧密耦合且难以单独监督，现有表示学习未充分对此进行分离。这种分解对于学习鲁棒的运动表示、区分有意义的物体动力学与相机引起的变动至关重要。
本文提出“度量显著性图”（metric saliency maps）概念，利用可微分渲染器的梯度反向传播揭示场景参数对不同图像度量（如眩光指数、平均亮度、感知评分）的影响程度，发现显著性高度依赖于所选的度量目标，而非场景本身的固有属性。
可微分渲染器常规用于参数优化（如逆渲染）。本文观察到，对渲染图像上的任意标量度量进行一次反向传播即可得到每个场景参数的梯度，这些梯度天然指示了参数对该度量的影响大小——类似于神经网络中的输入显著性图。研究问题：能否利用这一机制生成场景参数的显著性图，并分析不同度量下显著性排序的差异？
本文发现预训练的机器人策略在遵循组合指令时存在严重的“捷径”偏置（如过度依赖颜色而非动词），并提出一种可诊断各语义因素偏置程度的框架（FDR/FDH）以及偏向弱因素的主动数据收集策略，可在演示数据减半的情况下提升泛化性能。
组合泛化（compositional generalization）对机器人根据多样指令操作至关重要，但预训练策略常利用显著线索（如颜色）走捷径，而未真正理解语言指令中的各语义成分。研究将失败定位到可复用的语义因素（颜色、动词、物体、大小、空间属性），并提出诊断框架量化因素偏置。待核实：论文是否在真实机器人硬件上验证了数据收集策略效果。