ReBrain 框架利用 iEEG 先验改进临床皮层 EEG 分析
ReBrain 框架通过冻结 iEEG 信号模型作为跨模态先验,无需配对或微调即可增强皮层 EEG 下游任务性能。 该方法在多家医院数据及不同架构模型中均有效,增益源于 iEEG 携带的真实神经结构而非架构本身。 证据表明稀缺清洁模态可作为丰富噪声模态的可迁移先验,代码已开源。
ReBrain 框架通过冻结 iEEG 信号模型作为跨模态先验,无需配对或微调即可增强皮层 EEG 下游任务性能。 该方法在多家医院数据及不同架构模型中均有效,增益源于 iEEG 携带的真实神经结构而非架构本身。 证据表明稀缺清洁模态可作为丰富噪声模态的可迁移先验,代码已开源。
在 Qwen2.5-VL-7B 上,一种基于 M-RoPE 的 KV-Cache 重用方法支持在 4 倍帧率下对已稀疏采样的视频上下文进行编辑,同时复用幸存片段的缓存以减少预填充 token 和端到端重建延迟。
HoloGene 提出一种各向异性条件隐式神经表示框架,利用已知 GAE、FiLM 等组件,从已配准的空间转录组切片估计连续 3D 基因表达场。 该模型将表达谱压缩至图自编码器潜空间,采用基于伪标签的签名条件化提供切片内上下文,并通过深度依赖的 FiLM 调制建模轴向变化,以提升重建精度。
提出无监督框架 RT-FM,利用时序变分自编码器估计残差潜在尾部性并生成训练权重。 该方法解决常规流匹配模型对罕见正常模式过度惩罚问题,在 7 个基准测试中提升罕见正常覆盖率并降低误报率。 代码已开源,论文被 IEEE International Conference on Big Data 2026 接收。
CECAR通过联合考虑专家路由与缓存管理,在16GB显存的消费级GPU上运行Qwen3-30B-A3B模型,实现12.5 tokens/s的推理速度。 该系统利用ML-based缓存策略预测专家重用距离,优先调度距离较短的专家,非驻留专家从SSD获取,较传统MoE推理提速4.5倍,超越完全驻留DRAM基线。 论文已被NeurIPS 2026接收,代码已开源。
研究团队提出 MT-RGCN-DTI 模型,利用药物-靶点相互作用、药物相似性和蛋白相似性网络构建异构信息网络。模型结合 RGCN 与 DistMult、ComplEx 解码器,在多个基准数据集上取得竞争性性能。代码与数据集已开源。
研究通过五级本地 Agent 执行框架测试 0.75B 至 4.7B 模型及 35.5B 锚点,Mingbird 框架在所有规模下平均完成率最高。 该框架包含 18 项任务与确定性评分器,两项预设对比在 0.75B 和 4.7B 节点通过 Holm 校正,执行检查门的调整对结果影响有限。
MOBO-CAPS 提出了一种在资源受限场景下直接寻找固定数量高超体积解集的方法,通过引入基数感知机制避免了先近似完整帕累托前沿再选解的资源浪费。 该方法设计了 REHVI 和 CHO-UCB 两种获取策略,在九个基准测试中均优于标准 MOBO 加事后子集选择的方法,并证明了批量版 CHO-UCB 的亚线性简单遗憾界。
论文提出联邦数据集模拟任务,通过预训练嵌入和视觉语言模型标准实现无标签划分,覆盖四类数据集。实验显示其诱导的异构性不低于标签偏斜方法,并开源了包含模拟、测量及训练全流程的模块化包 fds。该方法解决了非分类任务缺乏模拟方法的问题,为联邦学习评测提供了新基准。
提出 System 1 agents 方法,通过确定性编译器将工具调用转化为多选题,由单次决策模型作答,避免生成文本。 在 1,952 个请求和 157 个生物医学工具测试中,该智能体工具选择准确率达 97.0%,优于最佳本地 LLM 智能体(95.2%),且无虚构内容,开源可用。
K2-Horizon 团队发布六款从 0.9B 到 375B-A23B 的全开源语言模型,覆盖推理、编码和智能体任务。团队提出 Mixture-of-Value Attention(MoVA)架构和 Uno 扩散适配器,后者在不使用独立草稿模型的情况下将解码速度提升最高 2.2 倍。
推荐理由:发布六款开源模型及全量训练数据,提出 MoVA 注意力机制和加速解码的扩散适配器,并披露 10T 合成预训练细节。
PISG 提出一种免训练的测试时方法,通过放大扩散去噪器中已有的约束对齐结构信号来改进候选排序,在贪婪解码下无需下游精化即可提升解质量。 该方法在每个去噪步骤构建结构退化的预测并将其外推远离未扰动预测,信号分析显示其引导集中作用于约束关键变量而非均匀重缩放分数。
该方法在学习世界模型潜空间使用逐次凸化规划,将离散时间控制屏障函数作为约束,比 MPPI 和 CEM 违规更少。 模型由平滑 MaxMin 激活和谱归一化层构建,在 Safety-Gymnasium 任务中比采样规划器更安全且收敛更稳定。 该方法能报告每步规划是否为 KKT 点,代码已公开。
RISE 通过从静态子图转向全规模交互式数据库,解决了现有结构化环境预过滤导致的测量偏差问题。 方法包含决策空间扩展与学习前沿扩展两条轴线,在 19 个基准和 3 种模型基座上进行测试。 结果显著提升领域内及未见模式的知识图谱推理能力,并实现零样本开放领域检索迁移。
开源模型 Beveridge 发布,支持 System One 快速决策,权重代码以 Apache 2.0 开放。 Beveridge-Large-C 参数量 398M,单次前向传递输出校准概率,H200 GPU 上响应 4.9 ms。 在运营文档基准测试中准确率达 93.0%,可自动处理 76% 的决策且准确率为 95%。
Minari 是一个开源 Python 库,专为解决离线强化学习中数据集格式不统一、难以共享及环境代码更新后无法再生等问题而设计,旨在简化协作强化学习数据集的创建、分享与加载全流程。
LatentRouter 提出基于反事实多模态效用预测的路由框架,在 MMR-Bench 和 VL-RouterBench 上优于固定模型、特征级及学习型路由基线。 该方法通过提取多模态路由胶囊,用模型能力 token 表征候选 MLLM,并以潜层交互估计各模型表现,支持性能与成本导向的路由策略。 代码已开源。
该研究提出一种黑盒可解释性框架,通过原子概念编辑学习可验证宪法,从而解释和控制模型行为。在数学推理任务中,干扰变量使 GPT-5 易混淆,但对 Gemini 2.5 和 o4-mini 影响有限;在文生图任务中,GPT-Image 侧重语法合规,Imagen 4 则优先氛围一致性。使用学习得到的宪法控制模型行为,成功率平均提升 1.86 倍。代码已开源。
ResBench 是首个专注于硬件资源的基准测试,用于区分资源优化型与低效型的 LLM 生成 HDL 代码,包含 12 个类别共 56 个问题。 该开源框架通过自动生成 Verilog 代码、验证正确性并测量资源使用(主要分析 LUT 使用量),揭示了不同 LLM 在生成 FPGA 设计上的显著差异。
提出 Relay-OPD 方法解决在策略蒸馏中的前缀失败问题,通过教师在触发点接管生成教师腿并移交给学生。 使用 Qwen3-4B-Instruct-2507 作为教师模型,Relay-OPD 在 8 个基准上平均优于标准 OPD 5.73%,且减少超过 50% 的训练轨迹长度。
开源框架 HEAMS 提出全面评估智能体记忆系统的方法,涵盖性能、效率、安全、隐私及用户主权维度。 其基准测试显示,高任务性能可能与较差的隐私和安全得分共存,治理策略(如召回与保留)能显著影响对抗投毒的效果。 仅靠性能和效率指标无法揭示记忆系统在履行责任方面的全貌。
研究对比了 MCP 代码模式、决策路由层与纯 MCP 三种范式,在 12 个服务器、最多 1,958 个干扰工具的受控测试中,使用 Qwen、Gemma、Nemotron 三个开源 agent 进行预注册评估。
研究提出概念能量指标,揭示下一词元预测损失在预训练期间如何驱动不同概念的发展。该指标量化概念子空间与平均梯度外积的对齐程度。 实验基于 Pythia-410M 和 1B 模型的 19 个检查点及 12 种词法、句法与语义概念。
研究利用稀疏自编码器与PERC框架,分析36,081条LinkedIn早期职业招聘启事。 采用GPT-6 Luna分类文本,提取Llama-3.1-8B-Instruct层19特征,揭示不同技术角色的语义差异。 表明自动化洞察提取可有效支持对非结构化职位描述的人工分析。
LATTE-WordSeg-Lite 是一个 1.17M 参数的 CPU 分词器,能单次输出复合词、单词和语素,在七个测试集中于五个超过 DeepCut。 它采用统一协议重建测试集,对比十二个系统;在单线程下速度比 DeepCut 快 23 倍,模型与基准脚本已开源。 该成果解决了泰语分词资源与子词 token 不匹配的问题,提升了 NLP 工具的可复现性。
ANCHOR 框架结合 LLM 与小模型判别头实现集群锚定的 5W1H 提取。LLM 生成候选事件及初始 4W 记录以引导集群选择和主事件锚定。 共享文档编码器提供证据用于联合 4W 细化,边界与角色评分头分别提取 why 和 how。数据集包含 26,110 篇文档,覆盖 10 个语料库、3 种语言和 7 个领域。
研究团队提出 IndustrialKnowEval 基准,包含 43,282 个样本,覆盖 7 个工业领域的 21 种任务类型。 该基准将认知需求分为记忆、理解、推理及工程应用四个层级,并对 18 个 LLM 进行了实验评估。 研究还提出了 ICCG 指标,旨在量化基础工业知识与高阶推理应用之间的性能差距,推动工业智能发展。
研究发现扩散语言模型主要置信度集中于最左侧前沿位置,仅在此处提交速度接近任意位置提交。 回退提交占比 11-35% 却导致 61-72% 的失败,限制在前沿提交可恢复大部分准确率。 该分析基于四个 DLM 在数学、代码等任务上的提交追踪验证。
Mistral-7B 验证器下,最近期查找比最早匹配查找在 500-token 生成中加速最高 0.09,会话内存加权无显著增益。 医疗和法律文本中,选择性草稿器每 100 tokens 节省 3 至 4 焦耳能量;94% 生成结果与贪心解码完全一致。 重复惩罚导致长生成加速倍数从 1.4-1.7x 降至 1.1-1.2x,近期性依然有效。
研究提出角色扮演遗忘任务,旨在选择性遗忘目标角色的风格与知识,同时保留非目标角色的语言能力。 提出 RoleMoE 混合专家框架,通过专业化损失和解耦损失映射独立专家子空间,提升角色分离与结构可解释性。 实验在多个 LLM 骨干上表明 RoleMoE 能精确可控地遗忘角色,且代码和数据集已公开。
B-OPSD 提出利用自生成问题简述替代真值解法,在 AIME 2024、AIME 2025 和 HMMT 2025 上,其在 Qwen3 三种规模下的平均准确率均高于 OPSD。 该方法通过提示词生成包含原则与陷阱的问题简述,冻结教师模型以此作为特权上下文指导当前学生策略,训练全程无需真值解法。
研究团队发布 Decision 1.0,这是一个开放权重模型家族,将文本状态和运行时定义的问题转化为类型化概率分布。 其 Choice、Noul 和 Score 接口允许应用在推理时指定结果;六个模型涵盖双向编码器和因果解码器架构。Lux-9B 在常见决策基准测试中,显式决策得 84.17%,推理得 91.25%,加权总体得 77.22%。
团队发布ScopeBench基准,涵盖49国3,323条规范,评估21个前沿LLM的文化范围感知。 测试发现主导错误类型随提示格式反转:单选分类中范围收缩错误率达70%,独立判断时范围膨胀达33%。 准确率与安全行为解耦,六大分类器在范围违背声明上的有害响应率仍达40%-42%。
开发者通过在 AgenticRetrieveStream 请求中添加 memoryConfiguration,即可将 AgentCore 记忆功能与知识库结合,实现多租户场景下的用户数据隔离。
PerfArena 发布开源 LLM 代码性能评测竞技场,基于正确性、时延、内存和能耗对 13 个模型进行跨语言排名。 在 10 个 CLBGComp 基准和 99 个 LeetCodeComp 问题中,got-6-astra 是唯一在时延、能耗和内存上未被显著超越的模型,且解决率分别达 100% 和 99.7%。 该榜单持续更新,帮助开发者依据性能指标而非仅价格选择 LLM。
研究人员提出 GT-FENG 框架,统一规则治理领域的事实评估与错误归因。 该框架将回答与适用规则比对,Medicaid 案例显示记录本州档案可使仅匹配他州数值的错误减少 68-78%。 框架作为开源 Python 包 gtfeng 发布,为构建相关评测基准和工具包奠定基础。
NER-D 基准测试涵盖 9 个领域的 13 个数据集,用于评估德语命名实体识别模型。 测试对比了 GPT-5.4 mini 与开源小模型,结果显示 GPT-5.4 mini 在 13 个数据集中的 6 个上表现更优。 LoRA 微调使小型模型性能大幅超越专有模型基准,且基准测试资源已公开可用。
MMAO-Cls 在七个标准表格基准测试中,集成验证目标得分 0.9433,排名第二仅次于 GA-lite (0.9446)。 其在留一法测试中平均得分为 0.8882,优于 RandomSearch (0.8808) 和 GA-lite (0.8857),且使用最紧凑的特征子集(特征比率 0.4881)。 结果表明该多智能体优化器适用于分类任务,但社区共享对测试性能的具体贡献尚未完全解决。
研究人员推出 CTF-Dojo 平台及自动化工具 CTF-Forge,包含 658 个容器化 CTF 挑战,支持可验证反馈训练。 基于 486 条高质量轨迹训练 LLM 智能体,在 InterCode-CTF 等基准上取得最高 9.9% 绝对提升。 最佳 32B 模型 Pass@1 达 31.9%,超越 DeepSeek-V3-0324 等前沿模型,确立开源新纪录。
Cyber-Zero 是首个免运行时框架,通过逆向工程 CTF 题解生成智能体轨迹,在三大基准上较基线提升最高 11.4%。 该框架利用公开 CTF 题解与角色驱动 LLM 模拟,无需实际环境即可生成长程交互序列。 其最佳模型 Cyber-Zero-32B 在开放权重模型中创 SOTA,性能媲美 DeepSeek-V3-0324 与 Claude-3.5-Sonnet。