该研究提出首个手工标注的全景视频理解基准 PanoVideoBench，并配套构建全景视频推理数据集与训练方法，使通用视频多模态大模型在全景推理上达到 55.7%，较基线提升 12.5 个百分点。
值得关注：全景视频在安防、机器人、虚拟现实等场景中日益常见，但现有视频理解评测多针对普通视角视频。该工作把“看全 360° 并把不同方向、不同时刻的证据串起来”作为独立能力来测量和训练，提供了可诊断的基准与可复用的数据合成路径，…
KLM 是一份开放的、与实现无关的推理记录规范，目标是让审查者能检查 AI 答案“依据什么”，但论文本身报告的多为内部实验与负面结果，尚不构成端到端验证。
值得关注：把“证据可见性”作为 AI 输出的独立维度提出，回应了审查与审计需求；但作者明确：证据可见不等于正确性、因果依赖、安全性或合规性。 大量负面结果（0/15、AUC 0.008、打包丢文本）对同类“证据层/审计层”工作有…
Zyphra 提出 ZHA（Zyphra Hierarchical Attention），通过在 KV cache 上构建递归压缩的树状键摘要索引器，使注意力总成本（含路由与最终注意力）随序列长度呈次线性增长，从而实现整体次二次（但仍超线性）的稀疏注意力扩展。
值得关注：长上下文是基础模型的关键能力方向，而注意力二次方成本是核心制约。ZHA 的价值在于同时追求“渐近次二次”而非常数级加速，并强调对现有预训练模型的低成本迁移（短蒸馏），这降低了把长上下文能力接入现有模型的工程门槛；其关于…
SemEllipsoid 提出“语义感知形状抽象”这一新任务，用椭球体基元在保持几何保真度的同时严格贴合单一语义部件边界，借助大规模基础模型的语义线索，以非学习式优化实现跨类别 3D 形状抽象。
值得关注：把“语义一致性”显式纳入形状抽象目标，弥补了几何感知方法在部件边界上的结构性缺陷。 非学习式设计使其不依赖特定类别的训练数据，具备跨类别通用性，并可按需调节抽象粒度，便于交互式与工程化使用。
SATFRONT 证明仅凭静止卫星观测即可直接检测冷锋、暖锋和锢囚锋，在 150 km 容差下 CSI 达 0.428，落在不同气象机构人工分析之间的一致度区间（0.277–0.501）内，并显著优于使用卫星数据的业务化规则检测器（0.133）；加入 ERA5 再分析后 CSI 升至 0.591。
值得关注：首次（据摘要表述）系统评估了仅用静止卫星观测检测三类锋面的可行性，并用“机构间分析一致度”这一现实上限来定位模型性能，而非仅与单一真值比较。 明确了再分析数据作为可选输入的边际价值：提升定位精度，但对气候尺度空间分布的…
RoboArchitect 用编码模型自动迭代“机器人智能体编排框架（harness）”，在不更新任何模型权重的情况下，将冻结策略在未见场景与未见任务上的平均成功率分别提升至 4.5 倍与 3.2 倍，并让编排框架自带持久记忆。
值得关注：提供了一条“不微调、只改编排”的新路线，降低面向新机器人/新基准适配的成本。 把“编排框架设计”本身当作可优化对象，并引入持久记忆承载跨 episode 经验。 与既有卡片的关系：本卡片关注机器人操作中的编排自动化与持…
该研究主张把自监督三维几何学习中的“非对称性”从输入空间移到三维表示空间，并以几何精度（而非渲染质量）为主要目标；具体方法与数值结果待核实。
值得关注：把“非对称性”从输入空间迁移到表示空间，可能改变自监督三维几何方法的设计范式：不再主要靠分支/掩码限制视图交互，而靠重建阶段的视图排除来约束几何。 以几何精度而非渲染质量为目标，更贴近下游三维感知需求。 与既有脉络的关…
ReLift 把单目视频的稠密3D跟踪重新表述为“对由2D跟踪器与3D几何模型提升得到的轨迹进行修复与补全”，只训练轨迹校正器，即可在不重新训练的情况下持续改进不同跟踪器与几何模型的输出，并在 WorldTrack 上取得 SOTA 平均精度。
值得关注：避免联合学习全部子任务对4D监督的强依赖，把学习重心放在轨迹修复这一薄弱环节。 校正器与具体跟踪器/几何模型解耦，具备“即插即用”的复用潜力，便于随组件升级而持续获益。 对单目视频稠密3D跟踪的遮挡处理提出针对性思路：…
在源分布与目标分布相差大小为 $\varepsilon$ 的对抗性 2-Wasserstein 扰动时，分布鲁棒优化（DRO）未必能最小化超额风险（遗憾）；论文证明最小最大遗憾优化（MRO）与谱范数正则化（SNR）可达最小最大率，而 DRO 在部分情形下会以依赖维度的因子次优。
值得关注：DRO 是分布鲁棒学习的常用范式，但“最坏风险最小”不等于“遗憾最小”。本文把两者之间的差距在 Wasserstein 鲁棒线性回归中定量化，并给出可操作的替代方案（MRO、SNR），对需要在分布偏移下控制超额风险的学…
REA 提出一种统一的具身智能体运行时，将慢速的思考型基础模型（System 2）、具身路由器（System 1）与快速反应策略（System 0）解耦协作，核心原则是“运行中的策略不等待大脑”，在 LIBERO-Pro、RoboTwin 2.0 及真实 Unitree G1 人形上取得优于单策略基线的成功率与效率。
值得关注：它把“大脑-小脑”式具身架构从概念配对推进到可运行的统一运行时，并用“不等待大脑”的调度原则和路由记忆、边界判官门、预算升级梯三项机制，回应了异步协调中最实际的阻塞与回退抖动问题。与既有卡片中偏重策略基元标准化（Cor…
RangeSWA 是一种无需额外训练的长度外推方法，针对连续扩散语言模型（CDLM）在生成长度超过训练长度时出现的重复、语义漂移与质量下降问题；论文摘要称其能降低长文本生成的生成困惑度与重复率，但具体数值与实验规模待核实。
值得关注：对既有脉络的增量：已有卡片分别关注 CDLM 的架构重设计（LangDiT）与扩散模型的训练方式（格点场论无数据训练），本条关注的是推理期的长度外推，属于不触碰训练目标的互补方向——即“不改模型、不改训练，只改推理时的…
RAMA 将“检索增强 + 多智能体深度强化学习 + 情景记忆”引入低轨（LEO）卫星路由：每颗卫星在本地观测、近期路由历史、邻域状态之外，再检索自身的情景记忆条目，用 Transformer 决策网络融合后输出路由决策；在 140 星 Kepler 星座与 1,584 星 Starlink Shell 1 的实验中，相较 DDQN 基线显著降低时延。
值得关注：把“检索增强”从语言模型/RAG 场景迁移到网络路由控制：不是检索文本，而是检索自身的历史经验条目用于决策。 显式的情景记忆弥补了 DRL“只靠权重记经验”的局限，且在多智能体去中心化设定下可行。 大规模星座（1,58…
在 ICU 死亡率预测中，生理轨迹特征（纵向生理摘要）比观测模式特征（测量频率与时序）更能稳定迁移到外部数据集；观测模式特征在本地有效，但跨中心迁移和测量可得性下降时收益不稳定甚至转为有害。
值得关注：临床预测模型的评估不应只关注新患者人群，还应关注供给输入的测量条件（频率、时序、可得性）。 观测模式特征高度依赖具体测量环境，跨中心部署时可能失效；生理轨迹特征迁移更稳健，适合作为跨机构模型的核心表示。 对模型监控与部…
PersonaChatBench 通过“同一任务 + 多个带私有人设卡的模拟用户”的配对设计，把聊天助手在不同用户条件下的表现差异变成可测量指标，并发现任务完成得好并不等于满足用户的个性化需求。
值得关注：面向真实应用的助手评估不能只看平均分：聚合指标会掩盖“对某类用户好、对另一类用户差”的不一致。PersonaChatBench 提供了一种按用户条件拆解评估的思路，为检验跨用户一致性和指导助手适配多样需求提供基础。
LSA 通过在可学习的潜在空间中对键（keys）进行层次聚类，让查询（queries）只对聚类层级打分而非遍历所有键，从而在 1M token 以上的超长上下文中实现亚二次方的注意力计算，并在 10M token 规模下保持与原有方法相近的准确率、同时大幅加速 prefill 与 decode。
值得关注：超长上下文是长周期智能体与开放式科研任务的基础设施瓶颈之一。LSA 的价值在于把“索引”本身的成本也压到亚二次方，而不是只在注意力打分阶段做稀疏化；同时给出可蒸馏（D-LSA）与原生训练（N-LSA）两条落地路径，兼顾…
LARC 提出在连续隐藏状态空间中进行推理，以替代离散 token 空间的思维链，从而缓解统一多模态模型中“推理在离散域、生成在连续域”的模态错配问题，并在 GenEval 上比 BAGEL 提升 7 个百分点。
值得关注：现有推理增强型 UMM 难以像 LLM 那样通过增加推理长度获得稳定收益，LARC 把推理载体从离散 token 换成连续隐状态，直接针对这一错配。若该路线可复现，意味着多模态生成模型的测试时缩放不必依赖语言 toke…
这篇论文把 bandit regret、序贯检验、最佳臂识别和马尔可夫决策过程的实例相关极限证明统一写成一条“精确信息账本”，指出链条中只有第一步是恒等式，其余步骤都会引入可命名、可量化的缺陷，其中大多数缺陷可以从算法自身的运行中计算出来。
值得关注：对理论：把“下界证明”从黑箱式的松弛链条变成可审计的信息账本，使每一步的信息损失可解释、部分可计算。 对实践：若缺陷可从算法自身运行中估计，就有可能诊断标准算法与理论极限的差距来源，而不是笼统归因于“算法不够好”。 与…
ID-WM 把“状态空间可达性”与“底层动作控制”解耦：高层世界模型采样可行的状态转移，低层世界模型充当逆动力学求解器把子目标落到具体动作，从而在长程导航与操作任务中显著优于现有策略/扩散规划器与单层世界模型 MPC。
值得关注：长程任务是世界模型规划落地的主要瓶颈之一。ID-WM 的增量在于：不把分层建立在宏动作或潜技能上，而是把“可达性”和“可执行性”拆成两层模型分别负责，使规划器可以跨短片段拼接出新行为，并用分层结构抑制误差累积。这与已有…
该研究将硬约束投影（HCP）方法从线性偏微分方程扩展到非线性偏微分方程——一维 Burgers 方程，提出的 HCP-PINN 在未见网格上的数据误差比同等 PINN 低约一个数量级，且对物理配点的选择更稳健。
值得关注：将硬约束投影从线性 PDE 推广到非线性 PDE，说明该思路在非线性流体问题上有可行性。 “末端不可学习投影层”是一种把离散化后的物理约束硬编码进网络结构的方式，区别于纯软约束（损失函数惩罚项）的常规 PINN 做法。…