知识卡片

ViCo3D: Empowering LiDAR-based Collaborative 3D Object Detection with Vision Foundation Models

基于功率谱的可预测性指数不能回答“添加上下文（更长回看窗口、检索插件或预训练模型）是否有帮助”这一问题，因为上下文的价值取决于操作点而非序列本身，且频谱在相位随机化下不变，而超越二阶的高阶结构才是检索和基础模型真正贡献的部分。

该论文提出一项“不可能结果”：任何仅从功率谱构建的指数都在相位随机化下保持不变，而相位随机化序列渐近高斯化，会破坏检索和基础模型所依赖的超越二阶的结构。作者通过构造“频谱和边际相同但相位不同”的替代对（surrogate pairs），隔离出频谱不变性带来的误导。在此基础上，提出一种无需标签的配置级诊断——**覆盖亏空（coverage deficit）*…

标准双向视频扩散模型在处理长因果链（如多个球连续碰撞）时性能显著下降，且增加去噪步骤无法弥补，因为其去噪循环并不提供可扩展的串行计算能力——这一现象被定义为**序列性差距**。

视频扩散模型能否正确预测多个物体依次碰撞的动力学结果？该研究通过多球硬球动力学控制实验，发现标准双向视频扩散模型（如Diffusion Transformer等）在预测依赖事件的序列（如球A击中球B、球B再击中球C）时，随着因果链长度增加，推理性能持续下降；而长度匹配但无球间碰撞的单球控制实验中退化几乎消失，证明问题不来自视频时长，而来自**事件依赖结构*…

在聚合准确率上，大语言模型（LLM）对任务无关上下文看似鲁棒，但这一稳定性掩盖了显著的逐样本不稳定性——即使是随机字符构成的伪词也能导致部分样本的预测翻转，且翻转有升有降，这表明聚合指标无法揭示模型在长尾风险上的脆弱性。

随着大语言模型能力增强，它们越来越多地被部署在上下文丰富的场景中，任务输入常伴随长段、部分无关的上下文。研究者通过向基准测试问题前添加任务无关上下文，观察模型在聚合准确率上的表现，却发现：最先进的模型在聚合层面似乎不受影响，但逐个样本分析时，预测结果存在显著翻转。

TerraZero 是一个纯程序化生成的驾驶仿真与自对弈训练栈，仅依靠强化学习从零开始训练，无需任何人类演示或后备规划器，在 InterPlan 长尾基准上成为首个超越更大规模学习型规划器的完全学习策略，并实现了零样本跨城市泛化（包括无监督涌现左手交通驾驶）。

训练鲁棒的自动驾驶代理需要仿真器同时满足三个要求：足够快以支持大规模强化学习，足够真实以在真实地图结构上产生贴合实际的行为，足够多样以覆盖安全关键的长尾场景——而这些场景在记录数据中极少出现。现有仿真器在速度、真实度或多样性上存在权衡，难以兼顾。

本研究提出可在激活层面实施反事实干预的“报告坐标夹”，使语言模型在面对非证据性激励压力时（如用户自信、声望压力）保持内部信念不变（抵抗），同时仍对真实证据做出响应（更新），两指标在基准测试中联合达到1.00（Wilson 95% CI [0.99,1.00]），但当前仅作为可构建参考下的因果证书，直接部署的版本存在损失。

对齐的语言模型在非证据性激励压力下（例如用户表达高度自信、对话中的声望效应、用户要求的重述）会错误报告：即使内部信念未改变，模型也可能同意用户或过度表达确定性。作者将此定义为**内部激励相容性（Internal Incentive-Compatibility, IC）**的失败，即模型报告未能遵循“抵抗禁止影响、响应许可证据”的因果契约。研究问题：如何学习…

AI基础设施的快速扩张正加剧能源消耗与电子废物问题，同时AI生成的虚假内容侵蚀公众信任，阻碍多项可持续发展目标（SDGs）的进展；亟需将AI技术重新对准SDGs方向。

本文是一篇发表于Nature Machine Intelligence的通讯文章（Correspondence），系统梳理了AI技术发展对联合国可持续发展目标（SDGs）带来的多重风险，并呼吁重新校准AI发展方向。文章指出，数据中心在2024年已消耗全球约1.5%的电力，预计到2030年其能源需求将翻倍以上；在激进增长情景下，生成式AI产生的电子废物到20…

PalmClaw 是一个运行在手机上的开源 LLM 智能体框架，通过将设备能力封装为参数明确、结果结构化的“设备工具”，相比 GUI 操作的基线方法实现了任务成功率提升 11.5%、完成时间减少 94.9%，并降低了部署负担。

传统 LLM 智能体多运行在桌面或服务器上，通过调用工具执行多步任务。手机作为广泛可及且包含用户数据、传感器和日常应用的环境，同样适合智能体部署。然而现有的移动智能体主要依赖图形用户界面（GUI）操作（如点击、滑动、输入），这种方式形成冗长且依赖界面的动作序列，无法直接访问设备底层能力，且执行边界难以定义。PalmClaw 旨在解决上述问题，提供一个原生运…

本文提出 FormalAnalyticGeo，一个全自动、可扩展的神经符号框架，用于生成多模态解析几何问题，并产出包含 7000 余道验证题目的数据集 AnalyticGeo7K，生成答案的中位相对误差仅为 0.70%。

多模态大语言模型在数学推理上取得显著进展，但解析几何领域因标注样本稀缺而研究不足。现有图表生成方法无法满足解析几何需求：模板方法不能处理约束驱动的布局，生成模型缺乏精确渲染带标注圆锥曲线的几何精度。因此，需要一种可规模化、自动生成高质量多模态解析几何问题的框架。

在冻结的小型代码大语言模型（0.5-1.5B参数）上，通过PoPE方法的安慰剂对照测试表明：无论是通过提示通道还是权重通道，错误内容本身并未带来显著的解锁优势——提示通道中内容消融安慰剂甚至略优于实时错误模式（12 vs 10），权重通道中错误内容适配器与无干预基线持平（8-8，p=1.0），而SHA混乱安慰剂反而领先（10）；内容归因的优越性未被确认。

已有自修复文献在测量模型根据失败尝试后的错误信息进行重试时，缺乏安慰剂对照控制。本文将失败程序视为“猜想”，执行反例视为“相对于神谕的反驳”，并引入PoPE（Popperian Placebo-controlled Evaluation）方法学，用以衡量“能够证伪LLM生成代码的证据是否可以被同一模型操作化利用”。

FlowWAM: Optical Flow as a Unified Action Representation for World Action Models

本文提出**集成控制流滤波（EnCF）**，通过随机控制流和伴随匹配实现**隐式数据同化**，在处理非高斯、多对一、多模态和隐式观测模型时优于传统卡尔曼型滤波。

数据同化从模型预报和观测中估计动力系统的状态。但许多观测机制是**多对一、隐式、非光滑**或仅能通过仿真访问，无法提供传统集成滤波所需的残差结构或似然指导。作者形式化定义了**隐式数据同化**，即将分析律定义为预报分布的能量倾斜，并设计相应算法。

在包含随机性和隐藏信息的对抗性桌游中，为集成确定性MCTS引入两种动态资源分配机制（动态确定性数量与动态仿真分配），可以在迭代和时间约束下产生统计学显著的强度提升。

模拟算法（尤其是蒙特卡洛树搜索MCTS的多种变体）适用于高不确定性环境，例如含有大量随机元素和隐藏信息的对抗性棋盘游戏。本文针对集成确定性MCTS（Ensemble Determinization MCTS）提出了一系列增强，核心问题是如何动态分配计算资源以提升搜索效率。

大型语言模型（LLM）智能体在执行任务时普遍缺乏任务复杂度感知能力，倾向于“最大上下文优先”策略导致大量冗余消耗；本文提出的E3方法（估计-执行-扩展）在保持100%成功率的同时，将成本降低85%、令牌使用减少91%、审查文件数减少92%，是迈向工程接地AI（EGAI）的关键一步。

LLM智能体在自动化多步工程与信息学工作流时，很少主动评估一项任务实际需要多少努力。它们通常执行“最大上下文优先”策略——重新读取已经看过的文件和依赖项——使一行代码的编辑演变为一次小型代码库审计。本文指出缺失的核心能力是**任务感知执行范围估计**：在投入预算之前判断任务难度、真正需要的信息以及最短可靠路径。为此，作者形式化了“最小充分执行”与“智能体认…

DermDepth是首个针对皮肤科领域的单视图度量尺度3D重建模型，通过合成数据集D-Synth训练，可将真实皮肤镜图像的度量尺度误差从超过16倍降至1.1倍以下，无需额外硬件或多次拍摄。

皮肤科临床实践中常使用普通相机拍摄皮肤表面，以测量和追踪病变大小、形态和纹理，用于伤口或皮肤癌筛查、监测和诊断。现有研究高度集中于2D方法，而3D信息对此类目标自然更有优势。本文提出DermDepth，证明在无需额外硬件或多次拍摄的情况下，可实现皮肤镜和宏观图像的密集单目3D重建、度量尺度测量以及丰富的表面法线纹理估计。

cgDDI 框架通过混合方法合成多样皮肤影像（特别是深肤色和罕见病），将仅含 656 张真实图像的数据集扩展 400 倍以上，在恶性分类任务上达到 90.9% 的 SOTA 准确率，并显著改善跨人群公平性。

皮肤科诊断需要在不同人群上公平地工作，但系统性缺失专家标注图像，尤其是深肤色和罕见病的样本，阻碍了公平方法的开发。研究引入 cgDDI（可控多样皮肤影像生成）框架，旨在低成本、高效率地生成多样化的皮肤病图像，以弥补数据缺口。

本文证明，**离散扩散语言模型**（而非自回归模型）可以通过少量并行去噪步骤直接转录语音，在 LibriSpeech test-clean 上达到 6.6% 的词错误率，且训练参数量仅为骨干模型的 0.16%。

自动语音识别（ASR）长期被自回归解码器主导，每步输出一个 token。作者探索是否可以用**离散扩散语言模型**代替自回归解码器，通过少量并行去噪步骤逐步精炼整条转录。他们以 DiffusionGemma（26B 混合专家模型，使用均匀随机 token 离散扩散而非吸收掩码方案）为骨干，训练一个“音频原生”接口。

本文提出一种名为 GyroFlow 的潜在生成模型，可以直接从噪声生成五维相空间中湍流的统计稳态快照，绕开高成本的瞬态模拟，并在生成质量和计算速度上超越现有自回归、降阶及其他生成式方法。

许多非线性物理系统（如等离子体中的陀螺动力学湍流）在达到统计稳态之前，会经历一个初始瞬态阶段，其中扰动增长并发生非线性相互作用。直接数值模拟必须完整解析这一瞬态动力学，计算成本极高。针对流体动力学，已有大涡模拟等降阶方法，但对于陀螺动力学等系统，尚缺乏同样有效的闭合模型，高保真模拟仍是必需。现有的代理模型（如自回归方法）存在误差累积问题。

本文提出基于选择性状态空间的两种适配器（MaLoRA 与 MaRA），在冻结大语言模型上通过 token 级动态缩放和上下文级检索，使推理准确率在三个骨干模型和两个基准上平均提升 +6.8 F1（+10.5% 相对），且 token 级增益在长上下文压力下保持。

标准低秩适应（LoRA）为每个任务学习一个静态更新矩阵，该矩阵对所有输入 token 相同，无法捕捉 token 级或实例级的状态变化。本文研究如何将选择性状态空间递归引入适配器，使适配过程具有输入依赖的动态性和跨 token / 跨段的状态记忆。

GPT-5.6 在多项标准基准测试中领先、单任务官方标称成本约为 Fable 5 的一半，但第三方评测的智能指数接近 Fable 5；作者实测深度项目协作时表现死板、耗时巨大、额度消耗快，实际成本优势存疑。

OpenAI 全量上线 GPT-5.6，官方宣称在 Terminal-Bench、DeepSWE 等基准上全面领先，单任务成本约为 Fable 5 的一半。第三方机构 Artificial Analysis 的 Sol 智能指数显示 GPT-5.6 得 59 分，贴近 Fable 5 的 60 分；Codex+Sol 以 80 分登顶编程榜单。作者实测一个…