FITS:一种用于联邦混合类型表格数据合成的框架
研究者提出联邦整合两步合成(FITS)框架,旨在联邦设置下生成混合类型表格合成数据。 该框架核心利用局部线性回归估计条件累积分布函数,并通过持续化方法将离散变量无损映射至连续空间,以实现统一的连续表示。 实验表明,使用 FITS 生成的合成数据能够提升所有客户端在下游任务中的表现。
研究者提出联邦整合两步合成(FITS)框架,旨在联邦设置下生成混合类型表格合成数据。 该框架核心利用局部线性回归估计条件累积分布函数,并通过持续化方法将离散变量无损映射至连续空间,以实现统一的连续表示。 实验表明,使用 FITS 生成的合成数据能够提升所有客户端在下游任务中的表现。
研究提出基于模型信息量的缩放定律,揭示扩散模型训练中的非线性记忆与线性泛化两个定性不同的 regime。 该定律量化了模型信息随规模和数据量的变化,并能外推至拟合域之外,指导记忆与样本质量优化。 代码已在 GitHub 公开,为扩散模型的信息论特性提供原理性解释。
针对软件工程智能体难以跨任务复用经验的问题,研究团队提出 MemOp 闭环框架。该框架将“经验证的下游影响”确立为任务无关的记忆效用基准及免标注优化信号,旨在解决智能体重复重建上下文的痛点。
Crazyflow 是支持基于模型与数据驱动方法的开源无人机仿真器,基于 JAX 结合高保真动力学实现加速与可微分。 支持单 GPU 运行数百万环境,实机实验实现 0.37 秒从零训练恢复策略,并支持在线飞行强化学习。
论文提出 DIAL 方法,通过信号无关的反事实探索训练稀疏门控,以学习不同环境下的效用方向。 该方法在 6 个环境和 3 种基础模型上展示了比固定方向基线更强的成功-成本权衡。代码已开源,文章被 NeurIPS 2026 接收。
研究人员提出 BRIDGE,一种统一的端到端架构,将序列模型与图模块在单一目标下耦合,允许梯度在两个组件间流动以学习任务对齐的表示。 该架构引入 TOKENXATTN 层实现序列事件间的 token 级交叉注意,在关系预测和欺诈检测任务中,BRIDGE 在排序和分类指标上均优于静态图模型、时序图方法及仅序列基线。
大语言模型(LLM)被用于构建名为COAT(Causal representatiOn AssistanT)的新框架,该框架利用LLM的世界知识为因果发现(CD)提出有用的测量变量。
AgentForge-Bench 发现 81.1% 的由模型驱动的智能体任务成功修改 PDF 金额、日期或地址。 在 1,750 个测试单元中,46.2% 通过严格验证;确定性脚本仅解决 98 个文档,智能体解决 124 个。 模型误报率 41%,最低验证伪造成本为 2.4 美分。
GENCO 统一神经求解器支持稳态输电电网的潮流计算、最优潮流和状态估计,最高较 Newton-Raphson 快 30 倍,较 IPOPT 快 85 倍。 开源 GridFM 开发框架标准化了合成数据生成与低代码训练,并发布了数百万 PF 和 OPF 场景的大规模数据集。 该系统大幅降低了电力系统工程师的使用门槛,标志着向电网基础模型(Grid Foundation Models)迈进。
提出ICCU(上下文持续机器学习)框架,通过诱导可读拒绝规则在推理时过滤或注入系统提示,无需修改模型参数即可移除特定数据影响。 规则作为顺序无关的并集累积,具备可组合性且无跨请求干扰,生成规则后可丢弃原始遗忘集数据。 实验证明ICCU有效抑制目标知识同时保持效用,具备可扩展性,且对改写、跨语言及对抗性查询保持鲁棒。
提出基于Shapley Interaction Index的可扩展指标 $\mathcal{F}_{syn}$,用于严格隔离VLM中模态间的联合协同。该指标在 $\rho = 0.93$ 保真度下实现高达88倍计算速度提升。
基于 Qwen3-4B 的 Terminus-4B 通过 SFT 和 RL 训练,在智能体终端执行任务中性能媲美甚至超越 Claude Sonnet 及 GPT-5.3-Codex 等前沿模型。 在 SWE-Bench Pro 等基准测试中,该模型使主智能体 token 消耗降低约 30%,且未损害任务性能,显著提升了主智能体对子智能体输出的依赖度。
CounterFlow 提出一种基于条件流匹配的新框架,通过直接引导源图像转向用户指定目标类来生成视觉反事实解释。 利用目标条件向量场,该框架在标准基准上达到 SOTA 性能,兼顾视觉真实感与目标类切换,且计算开销低于传统 GAN 或扩散架构。 直接在原始像素空间工作,CounterFlow 为真实世界部署提供了更具实用性的解决方案。
开源软件 KAPPA 利用 Claude Code 运行语言模型智能体,将 LaTeX 统计论文的证明翻译至 Lean 4 并逐一验证,对每个结果给出四种判定。 系统让独立智能体编写与审查代码,比对原文,确保证明步骤跟随之前的证据可重跑,无需语言模型即可复现判定。 盲测发现三篇已发表论文中被公开修正前的版本里的错误,验证了工具在发现证明谬误上的有效性与可靠性。
研究者提出一种层级式多目标马尔可夫决策过程,用于长期 AI 数据中心建设规划。 采用偏好条件化的多目标智能体,通过半马尔可夫管理者-工作者架构,在成本、碳、水和可靠性之间生成可引导的策略族。 该方法基于真实数据验证,环境、智能体及评估工具已开源。
Gangqinpu 发布了一个包含 18,786 组乐谱-演奏对、1,007.1 小时源音频的多流派钢琴数据集,具备自动音符级对齐功能。 该数据集覆盖流行、古典、爵士、民谣、摇滚及布鲁斯,通过自动管道生成标签并构建与 ASAP 的联合划分。 下游实验表明其在节拍跟踪任务中取得跨数据集增益,且在转写与表现力渲染任务中提供域内收益。
该模型是基于AGI数学理论首个工程实现的MetaPred框架,将上下文表征与预测读出耦合于单一动态状态。 其性能与同规模GPT基线相当,证明了该数学派生机器学习范式的工程可行性。
研究提出 GalaxyTS 数据集与 PCR 方法,证明在冻结 Transformer 骨干上,持久通道特定混合优于输入依赖路由。 PCR-K4 在四个预测时程上取得 3.86-14.25% 的均方误差降低,且可训练参数显著少于竞品。 该方法为时间序列预测中的共享与专门化权衡提供了可控基准与即插即用解决方案。
研究提出将 Courant-Friedrichs-Lewy (CFL) 信号作为边局部特征融入图神经网络(GNN),以增强双曲偏微分方程建模能力。 在架构不变的前提下,当边缘信息明确分离方向与空间尺度时,CFL 条件化使最终步骤误差降低 10.4% 至 14.4%,且随步长增加改善幅度扩大。 该设计原则表明 CFL 调制需基于已分离的交互方向,从而有效抑制激波附近的数值振荡。
研究在树莓派 5 上评估离线 RAG 信任机制,提出 C0-C4 连通性状态框架。检索评分门控检测知识缺口 AUROC 达 0.97;3B 模型以不到一半时延和能耗达到与 7B 模型相同的正确率。 已签名有毒数据包可通过所有包检查,导致 30 道原本正确问题正确率降至零,现有机制未能确立证据真实性。
提出 Pacifo 框架,通过定制微调策略高效评估 ResNet20 模型。 采用公私密层划分和高效 ReLU 近似,减少私用层和 FHE 操作。 比当前 SOTA 快 3.7-21.7 倍,保留 95%-99% 原始精度,开源可用。
AnalogPortBench 包含 54 个从 0.18 μm 移植到 SKY130 PDK 的任务,评测发现 6 种前沿 LLM 难以重新设计放大器且极少识别不可行规格。 实验采用两级推理和仿真反馈,结果模型从仿真反馈获益更多;代码和数据已公开。
研究团队提出 RADAgent,利用开源权重大语言模型(LLM)自动执行 RADseq 基因测序分析流程。该方法将工作流映射为 16 个独立可执行的智能体模块,并采用模型无关运行时支持故障恢复。在包含 19 个群体、476 个样本的真实数据集测试中,RADAgent 成功在本地环境完成全流程自动化,代码已公开。
CLOSURE 提出将可恢复性与跨通道一致性分离为两个正常数据预测任务。可恢复性由条件扩散重建器解决,一致性由关系闭环算子通过稀疏带符号门控预测其他通道实现。 该方法在公共基准流上持续优于近期基于重建、频率和拓扑的检测器,验证了同时考察一致性与可恢复性的价值。
EvoRouter 是一种自进化多智能体路由框架,利用洞见引导的同策略蒸馏和成本感知强化学习来优化任务性能与计算成本。 该框架在 19 个域内数据集上取得 68.69% 平均准确率,比最强基线提升 7.23 个百分点,同时降低 50.95% 的推理计算成本。 代码已开源,旨在解决大规模网络查询中组合式配置空间的优化难题。
Evolve on Graph (EoG) 框架实现了大语言模型在无问答标注情况下的知识图谱自进化推理。 EoG 通过“图自博弈”机制,让单一模型交替担任提问者与解题者,结合符号可验证拓扑合成和边界感知图课程来生成可验证的多跳问题。 在 Freebase、Wikidata 和工业知识图谱的六个基准测试中,EoG 的表现持续优于基于提示、检索和智能体的现有方法。
首个自动化管线实现了 LLM 设计黑盒优化算法,并在 Lean 中完成其预期运行时的机器验证。 Agent 针对 CycleUncover 问题提出了 $O(n^2)$ 算法,优于基线的 $e^{\Omega(n)}$;在 8 个问题类中,15 次运行有 12 次成功产出有效证明。 消融实验表明分阶段方法优于零样本生成,Lean 规范可替代开放式算法发现的实证评估。
CANS 是一个无需训练、能在大语言模型中控制目标行为并保持通用能力的统一框架。 该方法通过局部近似两个代理指标(目标 token 对数概率、通用输入输出分布 KL 散度)得出闭式解,生成神经元级缩放系数,实现轻量转向。
SemHGT 提出了一种 LLM 增强的异构图学习框架,通过在三个基准数据集上超越所有被评估的基线模型,在大多数数据集-指标对比中取得领先。 该框架通过角色感知提示将结构化属性转化为语义向量,并利用语义相似度指导多轮路径采样,最终由统一 Transformer 处理局部路径证据与全局邻居摘要。
HobbyLM 是一个由多名作者在数百至数千美元预算内训练的稀疏 MoE 小模型家族,核心包括 500M 参数架构(169M 激活)与 333M 参数的图像生成模型。模型采用细粒度专家与辅助损失自由的负载均衡,支持多模态推理;HobbyLM-1B 在 7 项基准测试中平均得分 47.5。该系列在笔记本电脑 CPU 上通过自研 Rust 引擎运行,展示了低成本 AI 模型的可行性。
研究构建首个记录人类发现并使用新环境机制的 think-aloud 数据集,包含 64 名参与者的 144 条轨迹及 250 条 LLM 轨迹。 数据集标注了机制触发与认知关联,发现人类成功轨迹中定性表征占比达 50.0%,显著高于 LLM 的 14.3%。 该分析表明 LLM 在现有任务中表现饱和,需开发更具挑战性的下一代基准测试。
研究者提出CaliMem框架,通过校准记忆机制解决数据整理策略搜索中的过度泛化问题。在生物及大语言模型后训练任务中,CaliMem优于固定基线及已发表方法,性能比全数据训练高最多19.4%。该系统支持部署时的测试时整理(TTC),代码已开源。
框架WebViSE自动将网页实现抽象为可重用视觉技能,构建多父DAG结构库。 使用Qwen3.8-Max时,自动演化结构以39.09%的检索成本超过非层级LLM检索基线。 支持即插即用注入任意模型,并可用于开源模型的数据合成管线以内化设计智能。
ReLF 模型通过整流流将噪声传输至 token 嵌入以生成文本,在 OpenWebText 上测试 3 种模型尺寸均优于自回归基线。 结合 Hellinger-SVD 固定嵌入与正则化 reflow 技术,经 2 轮 reflow 后仅用 16 次函数评估生成 1,024 token 序列,速度提升 15-19 倍。
FNO-MoE 是一种结合傅里叶神经算子与专家混合架构的模型,能在单次调用内预测 30 分钟内的完整近显式化学状态。该网络利用专家间的分歧主动选择最具信息量的盒子模型模拟进行自指导训练,同等成本下精度优于随机采样。微调后的模型在多小时运行中保持稳定,预测数千种化学物种的速度比数值求解器快数个数量级,为复杂大气系统模拟开辟了新方向。
AdaPRA 通过持久化代码智能体框架和自适应评分标准监督,减少数据科学流程错误。 在 5 次尝试中,AdaPRA 使 80B Qwen 模型在 DSPredict-Easy 和 DSPredict-Hard 上的排行榜百分位分别提升 24.5 和 14.8 分。 该方法验证了易任务评分标准可泛化至难任务,且优于 DataPRM,代码已开源。
Liquid AI 发布新一代开源 Liquid Foundation Model(LFM3),将文本、视觉、音频、omni 和决策任务放入同一 2B 级底座,所有模型都可在单卡上微调并部署到边缘设备。
推荐理由:Liquid AI把六种模态压进2B级开源权重,并用同一底座和单卡微调路径解释它如何落到边缘部署。
腾讯混元发布并开源了低时延、高准确率的 Hy-SimulMT 同声传译大模型,支持中英语音实时互译及音色克隆,实测响应时间约 3 秒。在 RealSI 评测集上,该模型在最低延迟情况下实现了最佳翻译效果,超越了主流开源模型和大部分商用 API。
推荐理由:开源了低时延语音到语音实时翻译模型,实测效果超过主流商用API且达到人类同传专家水平。
HealthAgentBench是一套包含75个智能体医疗任务的基准,由研究人员发布。 该基准覆盖9个类别,任务要求智能体在复杂环境中处理原始数据并执行多步操作,如查询大型数据库或解读病理图像。测试显示,Claude Code Opus-5.5以57.3%的成功率领先,各AI智能体在CT和MRI等专业影像模态上的表现普遍较弱。
研究者发布了名为 SignVerse-2M 的多语言手语姿态数据集,包含来自55种以上手语的约200万个姿态片段。 该数据集利用统一的 DWPose 管线处理公开视频,以全身关键点统一表示身体、手部和面部动作,并同步开源了处理管线与 SignDW Transformer 基线。 实验结果证实,该数据能有效支持多语言文本到姿态建模,生成的姿态可直接驱动现有姿态条件渲染系统。