SpecGuard 复用推测解码中的草稿 token 接受率变化来检测 LLM 后门触发，在不增加额外模型计算的情况下提供推理时监控；摘要称其在多种后门类型和模型家族中可靠检测触发行为，包括输入级过滤失效的隐蔽案例。
值得关注：后门可以在良性输入下长期潜伏，传统离线审计或输入级过滤未必能覆盖频繁更新的部署模型。SpecGuard 的重要性在于：它不把安全监控当作额外推理负担，而是尝试从已有的推测解码验证过程中“免费”提取异常信号。
SenseNova-U1.5 是一个 8B-MoT 原生统一多模态模型，在 encoder-free 和 VAE-free 架构中统一视觉理解、推理与生成；摘要称其在图像保真度、文字渲染、复杂构图、多参考编辑和交错生成等任务上取得进展，并计划开源 SFT、RL 和 on-policy distillation 训练代码。
值得关注：本条与既有卡片“可扩展的视觉预训练用于语言智能”都涉及视觉在模型能力扩展中的角色，但增量在于：本条不是用视觉文档提升语言智能，而是主张在一个原生统一、无编码器/无 VAE 的端到端模型中统一视觉理解、推理与生成。与“M…
论文研究的问题是：流式 SpeechLLM 能否在推理过程中动态修订自己的推理轨迹。 背景：SpeechLLM 相比级联 ASR + 文本 LM 架构，具有降低延迟、保留副语言细节的优势；但在复杂推理任务上仍落后于纯文本 LLM。 实时语音交互对延迟有严格要求。已有工作使用 CoT 和并发推理来增强推理能力并避免过高延迟，但仍存在固有的准确率-延迟权衡。…
值得关注：流式语音交互中，复杂推理通常需要更多计算，而实时响应又限制延迟；回顾式思考允许模型在推理轨迹中修正先前步骤，可能缓解“必须一次答对”的压力。 与既有脉络的关系：已有 SPEARBench 卡片关注流式语音到语音语言模型…
在闭连通 Riemann 流形上，对光滑严格正初值的非局部连续性方程，其全局解随参数 \(b\to0\) 以全时间一致的 sharp \(L^1\) 速率 \(O(b^2)\) 收敛到热流；在圆上，对应的确定性 \(N\) 粒子动力学可用 \(b\asymp N^{-1/5}\) 在全时间以 \(O(N^{-2/5})\) 近似热流。
值得关注：把奇异非局部输运到热流的扩散极限从定性推进到有明确全时间一致速率的定量结论。 给出粒子近似中的显式 \(N,b\) 标度，有助于理解非局部光滑尺度与采样/粒子复杂度之间的关系。 关键技巧不依赖 Wasserstein …
该论文摘要称，多个在线性推荐设定下表现领先、受深度学习技术启发的模型，可被统一理解为只加入了核范数正则或 Frobenius 范数正则，并进一步提出两个低秩、闭式解以尝试兼取两类正则的优点；具体证明与实验效果待核实。
值得关注：该文试图解释推荐算法中“不同深度学习技巧却性能相近”的现象，将注意力从模型结构拉回到正则化本质。 如果统一框架成立，研究者可据此比较、简化或重新设计线性推荐模型，而不是仅堆叠不同 DL 技巧。 “低秩 + 闭式解”的组…
Nuha-Speech 提出一项面向阿拉伯语语音大语言模型（speech-LLMs）的通用基础设施计划，覆盖大规模阿拉伯语语音问答语料、基于 Qwen-Omni 的监督微调，以及多任务评估框架；摘要未报告具体性能结果，实际效果待核实。
值得关注：阿拉伯语在 speech-LLM 中 underrepresented，低资源条件下的数据、训练与评估基础设施具有补位价值。与当前已有卡片（LLM-as-a-Verifier、ExpertVerse、Argus）无直接…
该论文证明：即使折扣因子固定为有理数 \(\gamma\in(0,1)\)，带多步转移前瞻的精确规划仍是 NP-hard；但针对每个固定前瞻深度，存在随机多项式时间近似方案，并可扩展到未知转移与随机奖励，学习算法的累计遗憾主项在对数因子内匹配经典表格折扣强化学习。
值得关注：它澄清了多步转移前瞻问题的复杂度边界：困难来自前瞻/规划结构本身，而非仅仅来自折扣因子接近 1。 它连接了规划复杂性、近似算法与强化学习遗憾分析，说明前瞻有益但精确规划不可行时，近优学习仍可成立。 与已有相关卡片相比，…
据摘要，本文提出基于纤维化最优传输（fiberwise optimal transport）的模型感知调度构造，把预测风险与系数路径的 kinetic action 结合，在 DDPM 和 flow matching 上持续优于强基线，并报告 CIFAR-10 流匹配在 16 次函数评估下相对 FID 降低 38.6%。
值得关注：把最优传输从“模型无关的路径动力学解释”推进到“模型感知的风险估计与时间分配”。 不再只看信号/噪声系数路径的 kinetic action，而是加入 predictor 在 fiber 内的分解误差，让调度反映模型实…
据论文摘要，MindTopo 是一个评估基础模型“拓扑直觉”的基准；结果显示，受测 MLLM 在推理任务上普遍好于规划任务，但最佳模型仍远低于观察中的人类表现，生成式观测也无法可靠保持环境动态与跨转移的拓扑一致性。
值得关注：拓扑关系是空间理解中比度量关系更基础的一类不变性。当前基础模型评测若偏重距离、角度、形状或视角依赖关系，可能遗漏模型是否真正理解“连续变形下仍保持什么”。MindTopo 的增量在于把评测推进到拓扑直觉，并同时区分 r…
据候选摘要，Logit Refiner 针对 Visual Autoregressive Models（VAR）同一尺度内 token 并行解码导致的“尺度内依赖缺失”问题，提出一个轻量自回归模块；它可接入预训练 VAR checkpoint，并在几乎不重训主干的情况下提升生成质量。正文未抓取，关键实验与结论均需以原文核实。
值得关注：它把改进重点从“扩大主干容量”转向“修正解码/推理规则”，若成立，对自回归视觉生成模型的设计有方法论意义。 它提出一个可检验的理论视角：同尺度并行解码可能造成结构性依赖缺失，而不只是容量不够。 若“轻量模块 + 冻结主…
IndicTriMix 将社交媒体等场景中的三语混码语言识别建模为 token 级序列标注任务，基于 MuRIL 与 XLM-RoBERTa 微调，覆盖 Hindi、Gujarati、Bengali 三类数据配置，并公开人工标注测试基准与微调模型；但具体数据规模、标签体系与评测指标在摘要中未给出，待核实。
值得关注：混码语言识别是许多多语言 NLP 系统的前置环节。若 token 级语言标签不可靠，后续的机器翻译、内容审核、搜索、推荐、客服与本地化处理都可能受影响。IndicTriMix 的价值在于把问题从单语语言识别推进到三语混…
该工作提出一种引导式 DSM 超分辨率方法：以高分辨率光谱影像为引导，利用去噪扩散把影像中可见的清晰轮廓、屋顶结构等细节迁移到高程图中，将 5 m DSM 提升到 0.5 m；在中欧若干城市实验中，报告了优于传统插值或滤波方法的结构细节与表面几何。
值得关注：这是跨模态超分：不是只做自然图像超分，而是把光学/光谱影像先验用于高程图重建。 与既有相关卡片的关系：已有扩散超分卡片关注自然图像中的不确定性引导与感知-失真平衡；本条是遥感 DSM 超分，增量在于跨模态引导、5 m …
GPU-CFR 将固定游戏编译成静态数据流，并用 CUDA Graph Replay 以单次图启动回放 CFR 迭代，从而削减大量内核启动与框架调度开销；在单张 A100、八游戏套件上比此前最快 GPU CFR 快 29.8--80.4 倍，在四个最大游戏中比 LiteEFG 快 14--258 倍，且不改变 CFR 更新规则。
值得关注：它挑战了“CFR 这类不规则树工作负载不适合 GPU”的默认判断：瓶颈未必是算力，而可能是每次迭代的调度与启动开销。 它展示了一条通用优化路径：先识别固定工作负载中“除数值外皆可预知”的部分，把动态树接口降为扁平数组和…
论文提出基于熵最优传输的 $\gamma^{*}$-concept shifts 概念，试图把协变量偏移和概念偏移统一到可估计的泛化误差界中，并给出 DataShifts 算法用于量化分布偏移与估计误差界。
值得关注：它针对现有学习界理论“不可从样本估计”的痛点，尝试连接理论与实际应用；通过统一协变量偏移和概念偏移，可能减少对不同偏移类型分别建模的需要。
论文主张，负责任 AI 不能只评估系统本身，还要评估系统被部署进去的制度断裂；治理应从原则和协议继续推进到“有界证据”，明确部署主张不能超过已评估范围，并记录有利证据也无法推翻的约束。
值得关注：AI 不只是治理难题，也能暴露制度在响应性、归属感、照护和问责上的失败；部署后，它会成为这些条件的干预，可能修复、加剧、替代或掩盖失败。因此，只评估模型或系统会遗漏关键风险与责任。
候选摘要暗示，LLM 在回答问题时，对“查询路由信息”和“目标知识/内容”的依赖会随层变化，且 Qwen、Llama、Gemma 的轨迹并不一致；但由于未能抓取正文，具体结论、实验细节与可复现性均待核实。
值得关注：该研究如果得到正文证实，可能帮助区分“模型内部信息可读”“自然状态下的强度”“可被因果操控”和“后期内容依赖”这几类不同问题，而不是把它们混为一谈。待核实。 对 foundation-model 而言，理解内部知识如何…
论文提出开源对话式 XAI 系统 **Explainability Assistant**，利用现代大语言模型（LLM）的 function-calling 能力，让设施管理人员和建筑运营者用自然语言询问能耗预测模型的解释；论文报告意图解析准确率达 94%，并在与能源领域专家的对比评估中获得对传统 XAI dashboard 的一致偏好。更细的系统架构、评…
值得关注：该工作把 LLM 的 function calling 用于 XAI 交互，而非仅作为通用聊天接口；这可能减少对自定义语法和任务特定微调的依赖。 与已有“LLM 在建筑能源系统 HVAC 运行中作为语义层/工作流层或人…
在八套公开 CGM 数据集上，零样本时间序列基础模型未稳定优于 Elastic Net、PatchTST 等强任务特定基线；轻量微调可明显改善血糖预测，而加入时间对齐的饮食多模态信息主要降低餐后预测误差。
值得关注：对“时间序列基础模型开箱即用”的叙事给出 CGM 场景边界条件：通用零样本能力不等于临床 CGM 预测优势。 与既有时间序列基础模型/多模态患者旅程脉络的关系：已有 RMISC 类工作强调大规模多变量语料对零样本泛化的…
基于摘要，美国国会议员在国会发言和 Twitter 中体现出的“证据导向相对于直觉导向”的语言取向（EMI），在个体层面与其立法有效性正相关；同时，意识形态更极端的议员在国会发言中使用更少证据导向语言。该结论是关联性的，不能从摘要推出因果关系。
值得关注：如果证据导向语言在个体层面与立法有效性相关，那么政治传播质量可能不仅是规范问题，也可能与制度绩效存在可测量的联系。 该研究把“认识论取向”从抽象话语趋势推进到议员个体差异，并连接 LES 这一立法有效性指标，为研究极化…
该研究提出用微调语言模型从反应条件的文本描述中动态学习任务自适应表征，并与高斯过程代理模型联合训练、嵌入多目标贝叶斯优化闭环；摘要称其在镍/钯催化交叉偶联中比描述符库或 one-hot 编码用更少实验达到收敛，并在两个前瞻性案例中实现克级放大与高对映选择性。
值得关注：反应表征是模型驱动反应优化的关键瓶颈之一。该工作把“文本描述”作为统一接口，让语言模型与实验闭环共同学习任务自适应表征，从而避免为每个新反应系统手工设计共享特征。它还把语言模型表征、高斯过程代理、多目标贝叶斯优化和高通…