ReGround:冻结 VLA 在执行器偏移下的重新接地
针对 VLA 模型在部署中因执行器漂移失效问题,ReGround 提出在推理时保持模型冻结并重新接地预期动作的方法。 该方法通过任务无关的肌肉颤抖学习动态,无需奖励或再训练即可在检测到偏移时激活。
针对 VLA 模型在部署中因执行器漂移失效问题,ReGround 提出在推理时保持模型冻结并重新接地预期动作的方法。 该方法通过任务无关的肌肉颤抖学习动态,无需奖励或再训练即可在检测到偏移时激活。
大型语言模型算力租赁与Token输出市场已建立价格指数及衍生品交易,CME和ICE已制定期货合约。 研究发现合约结算价基于短期租赁率,而非运营商主要收入来源的长期私有合同价格;Token价格与租赁率通过吞吐量关联但风险敞口不同,GPT-5在十二个月内最低列表价下跌17倍。
新基准 SWE-CoWork 包含 101 个真实仓库开发任务,测试编码智能体在模拟工程组织中的协作与交付能力。 评测 11 个模型发现,头部模型仅完成不足 8% 任务,满足约 63% 的 fail-to-pass 测试。 研究发现持续的需求追踪是自主软件工程面临的关键挑战,即便提供完整需求,任务成功率仍无变化。
平台经济模型显示,强制为训练数据付费会导致低质量创作者仅作为数据供应商,被 AI 完全替代,而无需付费时平台会限制 AI 价格以留住创作者。 补偿政策虽提升了创作者收益和总剩余,但降低了消费者剩余,凸显了此类政策在更强大生成式 AI 时代对创作者经济角色的塑造作用。
Olmo-core 更新训练栈以支持可扩展 MoE 训练,采用 DDP 及 Expert Parallelism,避免传统 FSDP 的高吞吐损耗。 支持 1.2 万亿参数在 512 GPU 下达到 858 TFLOP/s/GPU,DeepEP v2 后端可扩展至 2.38 万亿。 提出 Token Gerrymandering 缺陷,发现重叠通信会显著拖慢 Kernel 速度。
实验表明,显式行为义务使 LLM 生成代码失败率降低 47.2%,远超轻量结构仅降低 8.7% 的效果。 研究测试了 72 名参与者在不同规格明确度下的表现,显式规格使不变量违规减少 66.1%,并改善了对生成代码正确性的校准。
RoboKit 是一款高性能机器人并行可微分优化工具包,GPU 并行求解器在 7 项任务上比基线快 2-60 倍。 该工具支持可微分渲染与物理模拟,2.97 秒内优化 4096 个抓取,蒸馏策略运行速度提升 9-240 倍。 已被 CoRL 2026 会议接收,通过蒸馏与强化学习加速机器人策略训练。
CapCover Filter 是一种利用球面帽几何结构总结嵌入向量的数据,可支持任意相似度阈值且无假阴性。 在五个真实数据集上,余弦相似度阈值为 0.95 时,该方法消除约 20%-100% 的索引访问,内存占用仅为 FP32 的 2%。 部署在 FAISS 平面索引前,查询吞吐量最高提升 382%,平均提升约 116%,且结果范围一致。
MADM 模型结合结构描述符与蛋白质语言模型嵌入,在八项抗体成药性检测中实现性能提升。 该模型采用双流架构,结构描述符在多项指标上表现优于或持平于 AbLang2 和 ESM2;多检测任务联合训练使卵白蛋白和 SMP 的 Spearman rho 提高约 0.1。
研究提出基于量子启发的正交蝶形层的微调方法,在MNIST和MedMNIST实验中展现出优于LoRA的认证鲁棒性。该结构通过构造保持正交性,仅需O(n log n)可训练参数即可保留预训练模型的Lipschitz界。 在斑秃诊断应用中,该方法使认证准确率约为常规微调和LoRA的两倍,同时保持可比的分类精度。
提出SAFER框架,通过离线学习他人失败并在线自我修正,解决自动驾驶世界模型在训练数据覆盖范围内外的探索与利用困境。 框架结合分块隐式世界模型与风险感知采样规划器,在CARLA排行榜路由中实现0.95的路线完成率和0.77的单步奖励,MetaDrive常规交通回合奖励达53.4。
论文提出 Stint 系统,解决推理 LLM 长输出场景中 KV 缓存因内存不足导致的频繁抢占(KV thrashing)问题。 通过 CPU 连续池存储固定长度 KV 快照、年龄-based 重新准入及剩余长度估计选优,Stint 在 Qwen3-32B 上使无请求暂停超 50 秒,p99 输出 token 时间降低 50.7%,整体完成时间缩短 10.7%。
富士山 webcam 长时序列研究揭示可见性预测存在时间尺度层级:季节性气候学提供远期指导,当日 webcam 图像为最强当日观测(AUC 0.95),目标日数值预报承载 1-3 天主要信号。
32名耳鼻喉科医生对800例喉镜检查前病例评估显示,审阅AI评估卡后准确率从49.8%提升至56.8%。 AI模型暂定类别准确率为72%,恶性预警敏感度从53.9%升至75.0%。 研究指出顺序设计无法完全分离AI辅助与重新评估效应。
该研究系统梳理了 Deep Research Agent 在检索、规划等四阶段的安全威胁,提出“议程植入”攻击。 对 34 项主要研究的编码显示,仅 26.5% 涉及规划阶段,且无一项针对商业产品进行端到端投毒评估。在 3,520 次沙盒运行中,该攻击可使攻击者目标在 16% 至 28% 的报告中被列为首选。 现有防御手段如注入检测和查询锚定均失效,作者提出了八个研究方向。
Robust-GCD 提出针对受退化影响的非标签数据池的 D-GCD 任务框架,直接估计腐蚀并构建特征锚点。 在五个数据集上,Robust-GCD 恢复了 SimGCD 在污染下损失的 43% 至 96% 的 All accuracy,其中四个数据集恢复率超过 60%。 提升了在含噪图像上的 GCD 分类鲁棒性。
Domino 通过一阶马尔可夫链建模同一去噪步骤内揭示位置间的条件依赖,优化掩码扩散模型的少步采样。 该方法在预训练 MDM 去噪器隐状态上实现,仅增加 2.6% 参数开销,训练时冻结去噪器。 在 LM1B 等文本数据集上将少步生成困惑度降低 1.7 至 3.8 倍,分子样本有效性提升 1.5 倍。
研究引入 ReactBench-AD 基准,发现 4 个 VLA 和 2 个 WAM 对路径中突发危险物的反应微弱。 该基准基于 NAVSIM 和 PhysicalAI-Autonomous-Vehicles 场景构建,通过像素级反事实对隔离因果影响。 对 ReCogDrive 进行微调可显著提升其制动反应,该行为能泛化至未见物体和全真实场景。
研究提出 LightAlign 方法,利用少量成对数据实现冻结编码器间的跨模态对齐。在 3D CT 任务中,LightAlign 以 200 个数据对超越 CT-CLIP(0.754 vs 0.733 AUROC),并在 CheXpert 上以约 5% 的数据量达到 0.862 AUROC,显著降低医疗影像分析对标注数据的依赖。
提出 CreaTrace 框架,通过迭代创意证据追溯解决视频创意剽窃检测(VCPD)难题,在视觉外观差异大时验证创意相似性并定位证据片段。 设计多模态语义事件分割策略划分长视频叙事事件,结合粗粒度创意匹配与创意解耦,利用创意交换对比学习增强跨实现特征的创意一致性。 实验证明 CreaTrace 在多种创意剽窃场景中具备有效性与鲁棒性,能提供可解释的证据报告,为视频版权保护提供新方案。
研究表明,在BB84量子密钥分配中,基于强化学习的自适应检测器无法收敛以关闭隐蔽窃听窗口。 实验将博弈建模为表格型窃听者与检测器间的交替最佳响应,测试Q-Learning、SARSA等三种学习规则。结果显示,直至200轮博弈,可利用性波动未衰减,双方动态未达固定点。 结果指出,单一轮次的学习检测器无法通过认证,需打破信息结构而非单纯提升适应性来关闭安全漏洞。
论文提出结合想象策略改进与直接校准的世界模型强化学习框架,通过交互感知潜空间模型支持模拟,利用离策略校正与重放更新监督评价器与执行器,平衡自动驾驶车辆(AV)进度与人类驾驶车辆(HDV)交互负担。 在无人信号灯交叉口模拟实验中,该框架实现了100%成功率和跟随HDV加速度变异性分别较PIWM和DreamerV3降低65.5%及44.0%,消融实验证实价值校准降低HDV负担,策略校准提升通行效率。
研究团队开发可穿戴系统 AllyAAC,通过 14 名参与者的实地研究构建了首个包含 60 万余条非典型手势的多模态数据集。 该系统采用腕部 IMU 与智能手机应用,利用不同预训练策略的 Transformer 模型解决个性化手势识别挑战。 研究为开发结合无辅助与有辅助 AAC 的自适应个性化系统提供了设计原则及参考实现。
AgenticJevNav 将目标导向规划、证据记忆与事件触发验证结合,在60次模拟试验中成功率为 73.33%,领先对照组 21.67 个百分点。 该架构在真实 GENISOM L1 四足机器人 30 次试验中成功率达 70.0%,采用单一执行器与独立 RGB 反射约束运动,目标修订会撤销过时请求。 模拟与实体机器人结果共同验证了该架构的有效性,剩余失败案例揭示了改进接地与接近规划的机遇。
ENA架构通过进化搜索生成专家网络,结合环境检测和贝叶斯策略重用,旨在缓解持续强化学习中的灾难性遗忘。 在30次重复的非平稳CartPole消融实验中,完整架构在5个测试环境中的平均成功率达到83.2%。 该架构在CartPole上适应速度低于PPO,且在HalfCheetah上的收益低于SAC。
R2A 框架通过持续重用导航历史经验来优化在线视觉语言导航策略,无需源域数据或专家监督。 在 REVERIE 验证集上,R2A 将 DUET 的 SR 从 46.98% 提升至 69.84%,SPL 从 33.73% 提升至 50.98%。
研究团队在304个场景中评估主流LLM智能体,发现所有模型均存在“危险回退”行为,在高风险场景中动作边界违规率高达96.8%,且三种主流缓解措施均无效。作者提出nrepair方法,通过在替代工具调用时进行上下文评分并拦截违规调用,将四个模型的动作边界违规率降低最多76.0%,且正常运行成功率下降幅度控制在7%以内。该方法在Claude Code和Codex两个生产级智能体上同样有效。
CertiSum 实现 MXFP4 训练在并行布局与 GPU 厂商间的位级一致性,通过统计认证与精确重算解决非确定性问题。 在 Qwen3-8B 实验中,CertiSum 在 AMD MI350X 与 NVIDIA GB200 上保持训练状态位级一致,跨数据、张量、上下文并行变更无损。
基于 GLM-4.7-Flash,采用全文件微调、C++ 修复课程及组相对强化学习。 该流程利用执行反馈构建奖励,在 26 项 C++ 任务中评估模型性能。 最强配置首轮成功率 45.2%,两轮内达 61.5%。
基于等变性的压力测试表明,Wasserstein-1等统计指标无法可靠预测零样本时序基础模型(TSFMs)的性能退化。 在9种分布偏移中,评分最低的偏移导致29%的性能下降,实测严重度与模型退化间无正向关联。
研究提出HalluProbe方法,通过增强并分析视觉语言模型(VLM)解码过程中的幻觉分布一致性来识别后门攻击。 核心依据是受毒化数据训练的VLM会高频幻觉特定目标token,而干净模型的幻觉缺乏稳定偏差。该方法在三个模型上对抗六种代表性VLM后门攻击测试,检测准确率超过90%。 实验结果证明HalluProbe有效检测后门VLM,性能优于现有后门检测技术。
summary_zh: 提出Safe AD与A-Lag方法,在五个环境测试中,A-Lag的平均每集成本均低于Safe AD。 动态预算提升DarkRoom和HalfCheetah的回报并降低成本,A-Lag通过自适应拉格朗日乘子调整动作权重。
研究提出可微精确学习框架,结合无限外部环境、状态跟踪神经控制器与策略轨迹观测(PTO)。 引入不同有限状态换能器(DFSTs),支持对数并行训练,在算术与通用模拟任务上实现极端长度泛化。 证明Softmax DFST取argmax可精确执行图灵机模拟与二进制算术,代码与权重已公开。
研究构建FlipTest基准测试,评估的11个视频世界模型全部未能准确识别微小变化导致的未来状态翻转。 模型在真实与模拟场景的平均配对准确率仅18.3%,低于25%的随机猜测水平,且在变化与未变化步骤上表现一致。 论文呼吁重新思考世界建模范式,认为下一帧预测需识别控制未来动态的因果状态而非仅生成像素。
该研究将标准模型有效场理论(SMEFT)算子空间探索构建为强化学习序贯决策问题。 研究采用约 40K 参数的轻量化 actor-critic 架构,在包含 132 个物理量、其中 24 个偏差超 1.5σ 的环境中测试。 方法能发现多样化的高质量理论假设,并证明该 RL 策略在组合空间导航上优于随机搜索。
NestedLoRA-VMC 算法利用低秩近似解决变分蒙特卡洛在量子激发态计算中的效率瓶颈,避免了传统方法中重叠惩罚调参或 $K^2$ 拉普拉斯算子的计算开销。 该算法通过 MCMC 采样恢复最低 $K$ 个本征态,在 K=10 时计算 Li 至 Ne 原子的精度与 NES-VMC 及先进惩罚法相当,并被 NeurIPS 2026 接收。
研究提出 ImageNet-OOC1k 基准,发现 35 个视觉模型在对象背景语义距离增加时识别准确率呈单调下降。分析显示 Vision Transformer 存在聚合失败现象,空间重排序策略可使样本内准确率提升 5.7 个百分点。该研究确立了上下文敏感性是视觉系统的连续可预测属性。
提出 MAS-PINN 神经网络架构,利用网络拓扑和智能体相似性降低多智能体系统模拟的计算和内存成本。 架构通过共享时间特征和特定系数表示轨迹,采用矩阵更新利用局部交互拟合轨迹。在 Lorenz rings、Lotka-Volterra 和 Rössler oscillators 实验中,提升了轨迹和参数精度,在部分观测或未知拓扑下实现高效推断。
该研究提出因果先验数据拟合网络(PFN)的联合学习方法,旨在解决真实世界中无法同时学习事实与反事实结果的问题。 通过联合学习获取事实与反事实结果的联合分布,结合跨单元最优传输估计平均处理效应密度,是首个同时提供响应、个体处理效应及平均处理效应三种密度的因果 PFN 方法。 在点估计和不确定性量化方面,联合训练模型在多数设置中显著优于基线模型。
MegNIST 发布首个非侵入性 MEG 内心言语解码基准,基于单参与者想象数字 0-9 的 12,000 次试验,支持 BIDS 格式。 包含 306 通道 250 Hz 数据,提供 10,000 训练、1,000 验证及 1,000 测试集,基线解码显著高于偶然,配套 PyTorch 加载器降低门槛。 标准化分割与验证基线降低非侵入性脑机接口解码方法的开发与评测门槛。