跳到主要内容

日报

AI 与科学前沿 · 2026-11-17

仅汇集当天已送达公开发布边界的内容。

已封刊 · 第 1 版

bioRxiv

血红素羟化酶不再依赖天然骨架:计算设计把雌二醇氧化位点指定到C6或C16

研究团队用计算设计从零构建血红素过氧合酶,只输入半胱氨酸配位血红素、活化过氧化氢的谷氨酸-组氨酸二联体和紧贴铁氧中间体的底物几何,就能为指定C–H键定制羟化酶。在雌二醇上,两条并行设计路线分别把氧化导向苄位C6和未活化的C16,初始产物产率不足1%但二非对映过量分别达93%和99%;对C16设计做定点突变后,三醇产率提高到37%并保持高选择性。

arXiv

通道各自编码反而更强:Meta FAIR 的 DINO-BoC 在荧光显微与卫星影像上超过联合编码

科学影像的通道数和语义各不相同,此前多认为把通道联合编码才能学到跨通道关系。Meta FAIR 等机构在约775万张图像的扩展训练集上系统比较后发现,按单通道独立编码、推理时再拼接特征的 DINO-BoC 在显微与地理影像的多数任务上优于联合编码的 Channel-ViT,并在 CHAMMI 的线性探针平均分布外得分上超过监督基线 HyperNet。该结论覆盖域内、跨数据集与未见通道组合,但蛋白定位等任务在最近邻评估下仍需线性探针才能追平。

arXiv

固定增益PD控制器难兼顾动作与受力:ImpedanceMimic让策略自己调关节阻抗,129名受试者上力跟踪更准

物理仿真中的动作模仿通常由固定增益的比例—微分(PD)控制器把关节位置目标转成力矩,同一段动作可以对应不同的接触力,而固定增益在支撑相与摆动相之间难以兼顾。ImpedanceMimic 让强化学习策略直接输出每个关节的刚度、阻尼和位置设定点,训练时用测力台的地面反作用力与压力中心监督,推理时只输入动作。在 129 名受试者、六类活动上,它的关节角误差与力保真度优于固定增益 PD、直接力矩、肌肉驱动以及已有的模仿控制器,并能零样本迁移到未见受试者和一台仿真人形机器人。

arXiv

SPARC让模型权重随实验证据改写:11个推荐条件中8个过电位低于300 mV

闭环实验通常先固定模型族与表示,再让新数据只更新预测。SPARC把多个回归模型的样本外预测拼成证据矩阵,用稀疏后验按证据分配各模型影响力,并把候选处的预测离散度与残差尺度合成为“信任”来调节探索。在自动化碱性析氧反应实验中,11个预先固定的推荐条件有8个过电位低于300 mV(初始125个实验中为18个),最好达242 mV。

arXiv

潜反馈让每个FLOP更值钱:同等算力下最多省48%,同等轮数下最多省47%唯一数据

潜反馈Transformer把每个词元顶层状态送入下一个词元的输入,此前只在固定训练词元数下与普通Transformer比较,没有考虑重复数据。研究在60M到778M参数、12.5到400唯一词元/非嵌入参数、1到4轮的网格上,对两种模型在每个规模和数据量下分别调参,发现唯一数据充足时潜反馈用更少算力达到同样损失,固定轮数时用更少唯一数据达到同样损失,两项节省都随每参数唯一数据和重复轮数增长。拟合的缩放律在留出的778M规模上把损失预测到0.3%以内、把两模型差距预测到0.05%以内。

arXiv

批量转录组不必为每个队列重训模型:PRTS 把已标注队列当上下文,平均排名相关领先 TabPFN v3.5

PRTS 是一个 2.2 亿参数模型,把已标注队列与待测样本一起读入,一次前向传播即可给出二分类、多分类、连续或带删失的生存终点预测,无需按队列训练。它在 175 个留出任务和 44 个 TCGA 任务上取得最高平均排名相关,但领先幅度很小,且主要来自同一队列内的预测;跨队列或面对未见站点时,它与最强的表格基础模型 TabPFN v3.5 持平,运行速度则快一倍以上。

arXiv

过渡金属自旋态算上量子硬件:SpinAware 只读一次平均场解,就圈出99%的关联轨道

过渡金属配合物的多参考计算要先选活性空间,而判断哪些轨道强关联本身需要一次昂贵的关联计算。SpinAware 只从每个自旋态的无限制 Hartree–Fock 解出发,用60个轨道描述符和 transformer 预测 DMRG 单轨道熵与轨道对互信息;在11个自旋态上熵曲线平均绝对误差0.027,候选池以平均15个轨道覆盖99%的 DMRG 活性轨道,并支撑 IBM 处理器上最多32量子比特的采样量子对角化。

arXiv

CompCert4Lean把验证过的C编译器搬进Lean:一名专家指挥并行智能体,六周完成移植

CompCert 3.17的验证编译器核心原本只存在于Rocq中,其定义与证明无法直接导入Lean。CompCert4Lean沿依赖关系把开发拆成166个单元,先翻译定义与定理陈述并由独立智能体审计,再并行重建证明,由一名专家指挥并行大模型智能体在约六周内完成移植,清偿全部4,908条记录在案的证明义务且不引入项目专用公理,并产出可执行的Linux二进制。

arXiv

Together Compiler 把推理编译变成持续循环:前沿模型上吞吐最高提升 2.6 倍,24 小时内完成

Together AI 推出 Together Compiler(TKCC),把 AI 推理引擎的优化从一次性编译改成由智能体持续迭代的循环。此前智能体要么在离线基准上优化单个内核、测量保真度低,要么每次测量都重启整个引擎、迭代极慢。TKCC 用分层常驻引擎把引擎启动与单次前向计算解耦,并配合并行配置代价模型,在 Llama 1B 上超过手写 Megakernel,在 Kimi K3、GLM 5.3、MiniMax M3.1 Flash、DeepSeek v4.1 Flash 上于 InferenceX 基准超过最佳开源引擎,每个模型 24 小时内、最多 2 个节点完成。

arXiv

智能体写的调度器压过商业求解器:十万工序车间实例做到525,515,低于OptalCP、Hexaly与CP Optimizer

前沿大模型作为编码智能体、只用开源工具,为车间调度问题自行改写建模并写出启发式求解器。在10万工序的tai_100_1000_1上,智能体写出的求解器达到525,515,低于OptalCP、Hexaly和CP Optimizer;同一工作站、同等预算下,它在十个同族实例上距下界0.0–1.8%,而CP Optimizer为2.6–5.8%、Hexaly为2.4–4.4%。在带运输机器人的MKT实例上,它改进了十个中的七个,但在加工时间远长于运输时间的Chambers–Barnes实例上弱于基于CP Optimizer的方法。

arXiv

化学家只写目标,VibeSyn智能体跑完十步全合成:人工主动输入仅占7.3%

浙江大学等团队构建了分层智能体系统 VibeSyn,把化学家给出的分子目标转成随实验证据调整的合成决策,并驱动计算工具与自动化装置执行。在十步长春质碱全合成中,系统记录722条动作,其中智能体推理占69.7%、工具与装置结果占18.8%,主动人工输入与人工确认分别占7.3%和4.2%,最终从29.8 mmol 3-乙基吡啶得到160 mg产物。含非天然氨基酸环肽的三项合成中,主动人工输入与确认分别占7.5%和5.2%。

arXiv

CRAM把数独求解写成能量下降:训练42毫秒解出99.996%的Sudoku-Extreme,比循环模型快千倍

一种可训练的能量模型CRAM把推理变成在能量函数上的循环下降,权重直接从已解谜题中学得。在Sudoku-Extreme上它解出99.996%的测试题,在Maze-Unique上解出全部测试迷宫,单张GPU训练分别只需42毫秒和132毫秒,比循环模型至少快1000倍。它同时提示,数独和迷宫这类谜题的高分不足以衡量循环推理方法在更难任务上的可扩展性。

arXiv

X-Strata把二维血管造影拆成三层:动脉瘤被血管遮挡的部分也能单独还原

二维X射线血管造影把射线路径上的所有结构叠加进同一个像素,血管跨过动脉瘤时会遮住瘤体,并把自身的对比剂信号混入瘤体的充盈曲线。X-Strata把一次cine造影拆成完整瘤囊、瘤前血管和瘤后血管三层:用对比剂到达的时间过程判断每层贡献多少,用两个视角之间的视差判断前后顺序,再把各层抬升到三维。在三个中心共220例留出患者上,双视角X-Strata在遮挡区瘤囊Dice上为内部0.693、外部0.641,层序平衡准确率为0.703和0.659,内部队列三维瘤囊表面Chamfer距离中位数0.34 mm。

arXiv

贝叶斯神经算子漏掉系统性误差:补上残差观测后,热断桥在线优化从178小时降到18分钟

贝叶斯神经算子只把权重当作不确定来源,学到的算子与偏微分方程解之间仍留有随训练数据增加而不消失的系统性偏差。残差信息贝叶斯神经算子(RI-BNO)用控制方程残差的一步牛顿校正生成误差观测,训练一个概率化不足模型,并把它的均值与协方差并入似然。在反应扩散基准、胶质瘤MRI反演和三维热断桥风险优化中,它与有限元参考的吻合优于原版贝叶斯神经算子,且只用一半的全非线性或瞬态训练模拟;热断桥在线优化由约178小时降至18分钟。

arXiv

Turing Agent把形式化验证拆成两级智能体:TCS基准语义忠实率57–62%,还补完三道未解难题

AI 生成的数学证明越来越多,但把研究级论证翻译成 Lean 可检验对象时,语句能编译不等于意思没变。Turing Agent 把定理形式化与证明形式化拆成两级智能体,用结构化分解、并行验证、经验池和选择性语义审查串起整条流程。在 143 道 Formal TCS Bench 题上,它用 GLM-5.3 与 DeepSeek-V4-Pro 分别取得 57.34% 和 61.54% 的语义忠实成功率,编译率分别为 97.20% 和 99.30%;在 248 条定理的 RLMEval 子集上整体 pass@1 超过 82%。

arXiv

非线性PDE的物理信息算子学习有了误差保证:一阶系统最小二乘残差在解分支附近与误差等价

物理信息算子学习直接用偏微分方程残差训练,省去解快照,但残差小是否意味着误差小,在非线性方程上此前没有保证。这项工作把状态写成通量加原变量的一阶系统,证明只要线性化残差稳定、残差导数Lipschitz连续,最小二乘残差就在解分支附近与方程规定范数下的误差等价,并在单调反应、依赖解或梯度的扩散、可压缩Neo-Hookean超弹性三类问题上核对了条件。用该损失训练的降基神经算子,其误差与损失超出量平方根的比值中位数落在与线性情形可比的范围内。

Axiom Math

CFSG 的 Lean 语料库不只用来证明分类定理:30 个已发表定理中,典型结果超 99% 的代码直接复用

Axiom Prover 把有限单群分类(CFSG)在 Lean 中的形式化语料库当作可复用库,用它形式化了 30 个位于分类证明之外、也不直接由分类定理推出的已发表定理。典型结果引用语料库中证明合计约 88 万行 Lean 代码的定理,自身只新增约 1200 行,因此其背后超过 99% 的 Lean 代码已存在于语料库中;这些结果据称此前均未被形式化。实验只取 30 个样本,每个在不到一天的智能体时间内完成。

bioRxiv

不用先做spike sorting:C3PO直接从原始脉冲事件学出可解释的群体状态,跨毫秒到小时

C3PO把神经脉冲当作带波形标记的点过程直接建模,跳过spike sorting与分箱,用对比预测从事件历史推断低维“上下文”状态。在合成数据上,它学出的上下文按潜在相位排成环状结构,并能还原48个相位调谐神经元的调谐曲线;在多个已发表记录上,它复现了位置、头朝向、theta相位等已知变量,并给出单神经元与群体特征之间的直接映射。

arXiv

单历史隐写不再被分词歧义拖垮:coin projection 在满词表下保住九成字符串熵

可证明安全的语言隐写要求接收端从纯文本还原发送端的词元,但同一段文本有多种分词方式,接收端重新分词就可能解错。此前 SyncPool 用前缀池保持分布精确,却在满词表下因空格和 UTF-8 首字节这类“枢纽”词元合并子树而损失容量。coin projection 用共享随机数预先固定每个前缀是否在此结束,只把根与子节点的选择留给编码器;在英语、中文、日语的 3–4B 模型上,它把 91–93% 的字符串熵留给编码器,满词表下利用率是 SyncPool 的 2.16–6.85 倍,且零误差。

arXiv

Iris-Z 把深度并入图像生成:同一套权重在 Marigold 基准上平均 AbsRel 2.92,低于 MoGe-3 的 3.12

Iris-Z 是一个通用图像生成器,把图像与深度编码进同一条 token 序列一起去噪,用一套权重同时完成生成图像、从照片估计深度和按给定深度画图。此前单目几何精度由 MoGe-3 这类专用 ViT 保持领先,把生成器改造成深度估计器的 Marigold 系列也落后于它。Iris-Z-big 在 Marigold 的基准集上平均 AbsRel 为 2.92,低于 MoGe-3 的 3.12,同时保留原有生成能力;代价是每张图约 15 秒,而 MoGe-3 约 0.41 秒。

arXiv

不规则时间序列生成不再一次填补:PSLR把填补与生成器放进同一循环,判别分数较最强基线降59%

不规则时间序列生成通常先把缺失值一次性补齐、冻结后再训练生成器,PSLR把这一步改成与生成器共同演化的蒙特卡洛EM循环:每轮从当前生成器后验采样完整序列,再在其上重训生成器。由于扩散先验工作在二维提升表示、观测却在时间序列空间,PSLR用算子一致条件化、不确定性保留和流形一致性三条约束把后验采样接到两个空间之间。在十个数据集、四种缺失机制上,其判别分数、预测分数、Context-FID和特征相关误差分别较最强基线改善59%、15%、73%和71%。

arXiv

图像留在上下文里却用不上:VPR只改缓存视觉键的旋转相位,100项模型–任务分数中97项回升

多模态大模型把图像留在上下文窗口里,并不等于还能取用图像细节:图像与问题之间插入32K文本后,Qwen2.5-VL-7B在DocVQA上的分数从93.5降到52.6 ANLS。Visual Position Re-Anchoring(VPR)在问题处理前,把KV缓存中视觉键的旋转相位朝短上下文参考位置平移,不改视觉值、文本缓存和因果掩码,也不增加前向计算。在十个检查点、十个基准上,静态VPR提升了100个模型–任务分数中的97个;在TextVQA长度研究中,六个模型在32K下仍低于各自的短上下文参考,恢复并不完整。

arXiv

量子线路能否训练不必先跑昂贵优化:表示论判据加采样算法,多项式次运行即可判定

变分量子线路的梯度会随比特数增加指数消失,形成贫瘠高原,使训练无从下手。新的分析把梯度方差按线路所对应紧致李群表示的不变子空间拆开,给出可训练性的充分条件:只要输入态与可观测量集中在同一个多项式维度的不变子空间上,且被微分的生成元以逆多项式幅度移动该子空间,梯度方差就有逆多项式下界。配套的采样算法直接运行线路本身,无需构造表示论投影算子,就能以多项式次运行判定方差是否超过给定容差。

arXiv

ARoute把模型路由改成先判后调:同等成本下15个任务-成本设置平均高出最强基线4.1个百分点

ARoute把“该不该升级到强模型”和“升级要多花多少钱”都从查询文本本身预测,在调用任何模型之前就决定用哪个模型。它用一小批成对记录训练两个轻量预测头,共享一个冻结的BERT编码器。在MMLU-Pro、LiveCodeBench、SuperGPQA和两个SWAN取值填充任务上,ARoute-Batch在全部15个任务-成本设置中取得最高平均准确率,比最强基线平均高4.1个百分点、最多高11.9个百分点,且批量完成时间最多比级联快2.8倍。

arXiv

LENS 不再只给交互打分:换一份独立数据复现,才决定哪些特征对进入模型

特征交互的排序分数高,可能只是模型拟合了噪声,而排序方法把截断点留给使用者。LENS 用同一学习算法在互不重叠的数据上训练两个模型,只通过预测访问它们:先按去掉主效应后的交互强度排序,再检验第二个模型是否以足够强度复现该模式,并用一次多重检验校正决定保留哪些特征对。在 F1–F10 基准上,LENS 配合 XGBoost 找回 91% 的实质交互,DIAMOND 为 45%,且未选出假对。

arXiv

验证器只能判错时,NOPO只学负样本:代码、逻辑、数学基准平均pass@16超过GRPO

当验证器能可靠判错、却无法可靠判对时,标准可验证奖励强化学习会把通过部分检查的捷径当成正确答案来强化。NOPO把验证器判正的样本当作未标注候选,只用可信负样本做抑制,并按同一组 rollout 中未被证伪的样本比例缩放每次更新。在Qwen3-4B与Qwen3-8B上,代码、逻辑和数学基准的平均pass@16高于GRPO等基线,优势在推理时扩展到512次采样和跨基准迁移中仍然存在。

arXiv

定理不再各自孤立:把“谁改进了谁”画成图,智能体提出的猜想更受评审青睐

数学智能体此前多在证明已有猜想,而“该证什么”缺少可操作的判据。定理演化图把定理之间的改进关系显式记录下来:节点是定理,边记录设定、假设与结论的变化。智能体沿种子论文的引用向前向后检索并比较定理,据此提出新猜想。在30篇种子论文上,三位模型评审在非平局判断中63%偏好该图生成的猜想,专家评审在12篇中偏好8篇;但基线猜想在可信度上更受青睐。

arXiv

GPU 通信写进内核中间表示:Obaleth 在 256 卡上把全对全做到 NVSHMEM 的 1.25 倍

GPU 发起的网络通信此前只能调用 NVSHMEM、NCCL 这类手写设备库,编译器看不到传输决策,每次调用都要付预留、栅栏和完成轮询的固定开销。Obaleth 把 put、signal、wait 作为操作写进内核中间表示,与计算一起优化,再按传输后端生成专用代码。在 H100 上,它发送 8 字节消息的速率最高为 NVSHMEM 的 3.3 倍、NCCL GIN 的 4.2 倍;在 256 块 GPU 上,小消息全对全比两者快 1.25 倍和 2.3 倍,每卡设备内存只占 22 MiB。

arXiv

视觉也能用离散词表:dNaViT 用一套码本同时做理解、重建与生成

dNaViT 把图像编码成与语言 token 同构的离散码,用一套共享词表同时支撑视觉理解、图像重建、生成与编辑。它建立在冻结的预训练视觉编码器之上,通过残差调制补入重建所需的细节,再用分组乘积量化在不拉长空间序列的前提下扩大离散容量。在 ImageNet-1K 上,64 组量化的 dNaViT-G64 在 1024 个空间位置达到 32.90 dB PSNR 与 0.91 SSIM;配 Qwen3-8B 的 dNaViT-8B 在 OCRBench 得 885 分。

arXiv

前沿模型直接开真机械臂:Reins 让 GPT-6.1 Sol 在五个长程任务上成功 88%

前沿多模态模型能规划、能调用工具,却难以在真实机械臂上完成长程、接触密集的操作,因为机械臂运动时和模型思考时它都看不见。Reins 让现成模型通过 3D 感知工具和会报告接触与夹持状态的原子动作驱动双臂机器人,把动作串成带停止条件的链,并让第二个模型实例持续看摄像头、报告场景变化。在五个真实任务上,GPT-6.1 Sol 用自然语言提示、无任务专用代码,成功率为 88%;去掉这套装置后,它在贝壳游戏里一次也没抬起正确的杯子,耗时还是 8 倍。

arXiv

冻结大模型也能全双工对话:只训9700万参数、约30 GPU小时,停顿抢话率降到0.170

全双工语音对话通常要靠数十万到上百万小时语音训练,还会改写提供知识的大模型。这套系统把Qwen3-Omni-30B-A3B的思考端整体冻结,只训练低秩适配器、音频适配器、通道融合层和17个新词元嵌入,共9700万参数,用四阶段课程约30 GPU小时完成转换。在Full-Duplex-Bench上,它在开源系统中于用户仅停顿时最不容易抢话,合成子集轮次接管率为0.170,次优系统为0.584;在InteractionBench上,其口语任务准确率、接地性和长对话连贯性在开源系统中领先。

arXiv

扩散模型判分布外不再只看重建误差:DUO加一路特征敏感度,12对基准平均AUROC到0.897

扩散模型做分布外检测常依赖重建误差,但分布外输入可能被同样好甚至更好地去噪,使这一分数重叠甚至反转。DUO在冻结的扩散模型上增加一路信号:中间去噪特征对小幅输入扰动的敏感度谱,并用纯分布内数据完成特征层、噪声水平与两路融合的标定。在12对图像基准上,DUO的平均AUROC为0.897,高于最强基线EigenScore的0.838,同时单样本推理耗时0.28秒。

arXiv

合法删除请求也能被利用:代理遗忘攻击让从未被点名的敏感实体一起消失

大语言模型把不同实体编码在共享的参数子空间中,这种知识叠加使一次合法的遗忘请求在删除被请求实体时,也会连带削弱从未被请求的敏感实体。研究者把这种利用合法请求实施的定向攻击命名为代理遗忘攻击(PUA),并提出叠加感知遗忘保护(SAUP):遗忘前在表示层检测受威胁实体,遗忘后解耦共享表示并恢复它们,同时保持被请求实体仍被抑制。在三个知识领域和两个模型家族上,PUA 在目标实体上造成选择性下降,SAUP 恢复了大部分受损知识。

arXiv

科学智能体不再只判真假:把假设换成互斥解释集,同预算下解出问题多67%

科学发现智能体通常只检验单个假设,证据否定它时,智能体知道这条解释不太可能,却不知道哪条替代解释更受支持。Contrastive Discovery 把每一步发现改为围绕同一科学问题的一组互斥且穷尽的竞争解释,用证据在这组解释间重新分配信念的程度打分。在材料、天文、房贷歧视、网络讨论、软件工程实践和社会行为六个数据集上,以对比集引导搜索时,同等实验预算下解出的问题比逐点惊奇度基线多67%;38位专家的盲评在78%的已解问题上选择了同一解释。

arXiv

基础张量网络从哈密顿量直接生成基态:50万次无序实现给出玻璃转变临界参数

无序量子系统每换一次无序实现就要重算一次基态,使临界现象研究长期受制于两层平均。基础张量网络(FTN)用Transformer从哈密顿量的图嵌入直接生成基态的投影纠缠对态表示,把优化工作摊销到整个哈密顿量分布上;配合GridBP与副本矩生成函数,单样本生成、微调并测量重叠参量可在三秒内完成,并在50万次无序实现上通过有限尺寸标定得到量子Edwards-Anderson模型的临界参数。

arXiv

矩阵公式直接编译成量子块编码:MARBLE在39个已发表基线中追平或超过37个

量子算法要求把指数大的矩阵高效编码进量子线路,而过去这类线路多由专家手工构造,或依赖稀疏性假设。MARBLE把矩阵元素写成公式,用静态重数保证每个元素只由固定数量的表达式算出,再经代数重写与代价分析自动生成OpenQASM线路。在74个来自流体力学、偏微分方程和物理哈密顿量的矩阵上,它在次归一化上追平或超过39个已发表基线中的37个,并能在笔记本上五秒内编译超大维度矩阵。

bioRxiv

基因调控不再只看单个细胞:Multicellular Transformer 把整份组织样本当作输入,零样本预测受体-配体配对

单细胞基础模型通常一次只输入一个细胞,学到的基因表示偏向细胞内部调控。Multicellular Transformer 改以同一组织样本中的一组细胞为输入,让每个基因的表示同时携带它在整份样本中的表达与细胞组成信息。在 CellChatDB 已知受体-配体对上,它的零样本 AUROC 为 0.71,高于第二名 scGPT 的 0.65,并在细胞接触、分泌信号和 ECM-受体等不同类型上保持这一优势。

arXiv

SOAP 的质量不再配 SOAP 的开销:FOAM 把优化器状态减半,墙钟时间追平 Muon

二阶优化器 SOAP 在 Transformer 预训练中质量占优,却要付出更高的优化器状态和更慢的单步时间,实践中常被 AdamW 或 Muon 取代。FOAM 只保留输入侧预条件因子,并用行、列统计的分解式 Adam 二阶矩替代稠密旋转二阶矩,在 124M 到 760M 参数的 GPT-2 规模预训练上验证损失与 SOAP、Muon 相当,优化器状态为 SOAP 的一半,墙钟时间达到 Muon 级别。

arXiv

推理模型多了一个“不写就答”的开关:HDM 用一次前向的隐状态决定要不要生成思维链

混合决策模型 HDM 把“不生成任何 token 直接作答”和“完整自回归推理”放进同一个冻结骨干,由一个轻量自路由模块在生成前决定走哪条路。该模块估计“思考的价值”,即慢模式相对快模式预期带来的正确率增益,只在增益超过请求设定的价格时升级。在 MiniWoB 上,HDM 以 0.469 的奖励对全推理的 0.519,思考 token 减少 80%、实际耗时减少 67%。

arXiv

模仿策略学出本体感知锚点:一次测量即可预测新噪声下的敏感度,部署时保护却失效

在带噪声物体位置读数上训练的模仿策略,并不按经典可靠性比例折减读数,而是把自身本体感知当作锚点,按读数噪声与锚点误差方差之比给读数加权。锚点误差方差须从策略本身测得,且远小于对示范数据的回归估计;在 Square 与 Can 两个任务、MLP 与扩散策略两类学习器上,一次测量预测了十个留出噪声水平的敏感度,平均绝对误差 0.025,经典误差变量回归为 0.37。闭环部署时策略自己产生机器人状态,锚点不再提供保护:通过注册门槛的 15 个策略中没有一个保留开环保护,8 个完全跟随持续读数偏移。

arXiv

少步扩散模型丢的不是方差而是方向:ReDiverse在单个中间块把多样性找回来

把扩散模型蒸馏成四步学生后,同一提示下不同随机种子生成的图像和视频几乎一样。ReDiverse通过逐块比较师生激活发现,学生的总激活方差并未减少,只是被压缩到远少于教师的方向上,且集中发生在初始去噪步的一个中间块。据此,ReDiverse-FT在该块用LoRA把学生首步激活回归到教师激活,ReDiverse-TF则沿教师主方向扰动激活,两者在SDXL、SD3、Wan 2.1和MiniMax-H3四对师生模型上恢复多样性并基本保持生成质量。

arXiv

解码感知的序列级损失被证明无下界:贪心与采样目标都会发散,教师强制仍是自回归模型监督学习的实用选择

自回归语言模型训练时通常用教师强制,即每个词都依据真实前缀预测下一个词,但推理时模型只能依据自己生成的前缀,这一训练与推理的错配被称为暴露偏差。为消除错配而设计的两种序列级损失,一种基于贪心解码,一种基于自回归采样,都被证明无下界,因而无法用于学习。借助自回归 Gumbel 技巧,采样损失等于贪心损失在 Gumbel 扰动下的期望;对采样过程施加停止梯度得到的矩匹配方向虽不是任何损失的梯度,却在函数空间中是自回归负对数似然的下降方向,但方差很高。

arXiv

异常检测换用多样性视角:VAS在148个嵌入基准上无需调参即居首

Vendi异常分数(VAS)把异常重新定义为“移除该样本后数据集多样性下降多少”,用Vendi分数的特征值谱变化打分,不再依赖密度估计或空间划分。在ADBENCH的148个图像与文本嵌入基准上,VAS的平均排名优于包括ADERH、DN2、SLAD在内的对比方法,且无需验证集调参;在ImageNet受控污染实验中,随着污染率和数据规模上升仍保持最强表现。

arXiv

同一份长文档被问上百遍:Parallel Prompting 把解码改成多流并行,SGLang 上快 3.7 倍

面对同一份长文档被连续追问几十到几百个问题的场景,前缀缓存只省掉了重复的预填充,每个解码步仍要按问题数把文档的键值缓存从显存里重读一遍,解码因此受限于内存带宽。Parallel Prompting 把这些提问放进同一个请求、作为彼此独立的流一次性解码,每步只读一次共享文档,并用在注意力核内计算的流编号掩码保证每个答案只看到文档和自己的问题。在 CodeLlama-7B、8k–16k 文档、每文档 64–256 个问题上,它比带 FlashInfer 后端的原版 SGLang 在 A100 上快 3.7 倍、在 RTX A6000 上快 5.9–6.0 倍,144 次配对计时全部更快。

arXiv

扩散模型记住的区域不必再靠对照找:JaRS用雅可比行和,无参考提示也能定位

扩散模型有时会复现训练图像中的局部区域,此前的定位方法取去噪器雅可比的对角线,但平滑区域的对角线同样很小,必须再减一张参考图才能区分,而无条件模型没有空提示、早期检查点也常不公开。JaRS改为取雅可比的行和:局部平均时行和接近1,记忆区域则趋近0,因此不需要任何参考评估;配合早期去噪步的图像级检测构成JaRS+,在Stable Diffusion v1.4、v2.1、Realistic Vision v5.1和无条件DiT-B/2的十项设置中有七项取得最高定位mIoU。

arXiv

跨视角注意力不再随视图增长:TTB把它烘焙进固定大小MLP,密集视图下渲染稳在23 FPS

仅解码器视角合成模型把上下文视图缓存成随视图数线性增长的KV缓存,密集视图下渲染速度变得不实用;TTB改为在重建阶段把跨视角注意力的输出烘焙进固定大小的快速权重MLP,渲染时只查这份状态。在DL3DV的16、32、64视图960p设置上,TTB以恒定23 FPS渲染,画质接近DVSM,并明显高于同样恒定复杂度的LaCT。

bioRxiv

ProtCOVER把保形校准的单位从变异换成同源家族:无偏移时新家族致病覆盖从0.823–0.873回到0.90目标

零样本变异效应预测器按变异做保形校准,误差率会被研究充分的蛋白家族主导,新家族致病覆盖只有0.823–0.873。ProtCOVER把同源家族而非单个变异当作可交换单位,并在无标签家族描述符上做条件校准;在由这些描述符定义的偏移下,最差类别缺口为0.000,分组加权为0.010、分层保形为0.029,代价是集合更大。在基准之外的12,225个蛋白上,所有方法仍低于目标,ProtCOVER缺口0.027,与分组加权0.034的差距在0.01以内。

Microsoft Research

TokenEconomizer让编程智能体记住仓库经验:277个真实修bug任务成本降18.4%–30.9%

开发者每天在同一个代码库里使用AI编程智能体,但智能体往往每次会话都从零开始,重复查找事实、加载用不到的工具、反复走同一条失败路径。来自UC Berkeley、微软研究院和微软安全团队的开源插件TokenEconomizer把已完成会话的日志转化为后续会话的指导,在不改动智能体及其底层模型的前提下减少浪费。在六个仓库的277个SWE-Bench真实修bug任务上,它让五种智能体与模型组合的平均成本下降18.4%–30.9%,30个仓库与组合配对全部节省且任务成功率大体稳定。

bioRxiv

自由活动小鼠V1有了数字孪生:冻结后回放光栅,仍复现经典朝向与细胞类型调谐

自由活动小鼠的初级视觉皮层(V1)活动,现在可以由一个多模态数字孪生从视网膜中心视野视频与眼、头运动、奔跑速度和瞳孔直径预测。该模型在223个神经元、三只小鼠上取得平均0.31的预测相关;冻结后回放漂移光栅,它复现了经典朝向、空间频率与对比度调谐及宽窄波形细胞的系统差异,并在未重训的情况下,把独立头固定自然电影数据集的群体表征几何匹配到与两只真实小鼠彼此相当的程度。

arXiv

遥感分割不再无条件采纳修正:GeoReVis保留被弃候选的区域证据,LaSeRS gIoU达72.00%

语言引导的遥感分割常靠反馈修正掩码,但修正可能改坏原本正确的区域,而整体最优的候选掩码也可能漏掉次优掩码里的正确片段。GeoReVis把修正、候选选择与跨掩码证据合并统一起来:只采纳执行后确有改善的修正,并把各候选的空间分歧切成可组合区域,在完整指令与图像上下文下联合决定保留哪些区域。在LaSeRS上它取得72.00% gIoU和77.01% cIoU,在ReVis-Eval上把退化率从SocioReasoner∗的17.90%降到6.59%。

arXiv

Hyperlyve把ReLU网络激活区域拆成并行子树,630万区域枚举不到16分钟

Hyperlyve把深度ReLU网络诱导的激活区域枚举改成按隐藏层子树并行推进,并在每个仿射区域内对真实非线性动力学做可靠且完备的Lyapunov条件检验。此前同类枚举工具受逐神经元检查或网络展平拖累,在Rejoin RL的630万个8维区域上,RPM与Relucent均触发1小时超时,Hyperlyve在16分钟内完成。它还把连续分段仿射神经Lyapunov函数的验证问题刻画为co-NP完全,并嵌入反例引导的合成循环。

arXiv

自驱动实验室的Q学习不再调学习率:异方差高斯过程给每个目标单独定噪声,五个基准上更快逼近最佳回报

自驱动实验室的每轮实验都是真实反应器或培养过程,通常只有几十到几百轮,不足以再调学习率。异方差高斯过程Q学习(HGPQ)把Q函数直接建成高斯过程,用卡尔曼增益充当学习率,并用第二个异方差高斯过程估计每个贝尔曼目标的噪声方差,使噪声大的目标少移动估计。在包含化学反应器和生物过程的五个模拟基准上合并统计,HGPQ用比GP、核方法和深度强化学习基线更少的轮数接近任一方法找到的最佳回报。

arXiv

7B地震基础模型SeisDFE冻结编码器跨四类任务:F3仅两条标注剖面,整卷mIoU达0.82

地震解释长期受高质量标注稀缺和逐任务单独训练的限制。SeisDFE以7B参数在来自500多个地震体的534万张二维图像上预训练,经判别式自监督、Gram特征锚定和多分辨率适配三阶段训练,冻结编码器即可支持地震相分类、盐丘检测、断层检测和相对地质时间估计。在F3数据集上只用两条标注剖面,整卷mIoU达到0.82,比对比基线高12至19个百分点,监督越少增益越大。

NVIDIA Technical Blog

NVIDIA发布cuPotential分子动力学原语库:OpenMM插件在选定基准上端到端加速超3倍

NVIDIA发布面向分子动力学的cuPotential库,以C API提供模块化原语,并附带OpenMM插件,可直接替换非键合力、Langevin积分器和Monte Carlo恒压器。在2.4万至40万原子的六个体系上,NPT条件下新一代RTX PRO 6000 Blackwell在选定基准中取得超过3倍端到端加速,其他测试GPU常见约2倍或更多;这些性能数字来自标准非炼金体系。

arXiv

冻结的DINOv3中间层已能分开病灶,SMIA只训0.51M参数让20个医学与工业任务均值mIoU到80.99%

跨域少样本分割要把自然图像预训练的编码器迁移到医学或工业图像,只靠少量带像素标注的支持样本。SMIA在冻结的DINOv3每个注意力头聚合之后插入一个条件分支,用接收位置在注意力之前的局部状态去决定该头消息如何更新,从而让相近的上下文消息在不同位置产生不同甚至相反的修正。在覆盖5个医学数据集与MVTec AD全部15类的20个任务上,它只训练0.51M参数,5样本与10样本六数据集平均mIoU分别为77.40%和80.99%,比各自最强先前方法高3.61和3.93个百分点。

arXiv

视觉token剪枝后答案没变,概率却偏了:DiFiT把响应分布也纳入选择目标

多模态大模型的视觉token剪枝通常只看答案是否仍然正确,但剪枝会在贪心答案不变的情况下改变各候选回答的概率。DiFiT把全token模型的响应分布和参考答案一起作为监督信号,学习保留哪些视觉token,并让同一套排序服务多个保留比例。在Qwen2.5-VL-7B上,10%保留率时它把采样导致的负翻转相对FastV降低30.3%,30%保留率时在MME上保留基线性能的98.74%。

arXiv

ElasticDino给DINO特征做弹性形变上采样:分割与深度任务精度领先,峰值内存0.71 GB

视觉Transformer的自注意力带来二次复杂度,特征图分辨率被限制在patch级别,并留下位置编码伪影和边界渗色。ElasticDino是一个轻量适配器,利用伪影跨通道一致这一观察,用图像引导的弹性形变场在逐级上采样中同时校正所有通道,输出像素对齐的高分辨率特征。在DINOv2特征上,它在语义分割、开放词汇分割和深度估计的多项基准上精度领先,且平均耗时108.41 ms、峰值内存0.71 GB,低于所列对比方法。

arXiv

共享决策规则可以只改自己那一块:30条记录下96.6%,七种基线全部不劣

多家机构共用同一条公开决策规则,各自握有证明规则在本方对象上出错的私有记录,却不愿汇总。一种做法把公开规则精确编译成小型ReLU网络,各方只能提交带类型的声明,经证据门筛选后编译成写入本方保留单元的权重补丁。在两项预先注册的合成数据检验中,每方30条记录时该学习器得分96.6%,未改动的公开规则为91.7%,对七种经调优的基线均达到2个百分点以内的非劣效;去掉编译先验后同一搜索降至84.0%。

arXiv

删掉消息不等于删掉记忆:LinEra让遗忘请求一次作废整条派生链,攻击者拿到全部文件也读不出秘密

大模型智能体的长期记忆多由模型自己写出,删除原始消息后,摘要、事实和向量仍留在存储与备份里。LinEra把每条记忆的密钥绑定到其父记忆的密钥上,遗忘一个来源只需在可穿刺伪随机函数上打一个孔,所有后代随即无法解密。在LoCoMo对话上,由Qwen2.5-7B写入记忆时,攻击者持有全部文件和当前密钥,逻辑删除后仍能恢复71个被遗忘秘密中的70个,按对象或按纪元加密的密钥方案为67个,LinEra为零。

arXiv

难熔高熵合金不再只盯等原子比:位错基因组加位错动力学,在NbMoTaW成分空间里同时预测高温强度与室温塑性

难熔高熵合金的高温强度与室温塑性长期此消彼长,而研究多集中在等原子比附近。这套多尺度框架用“位错基因组”方法从原子构型构建刃位错滑移的能量景观,把局部构型力送入随机离散位错动力学模拟,得到临界剪切应力与构型力涨落之间的线性标度律,并据此在NbMoTaW成分空间内预测高温强度,再与螺位错和刃位错相对迁移率给出的塑性判据联合筛选。

arXiv

把群体差异从学习模型里抹掉,差距并不会消失:审计先算出代价,Eedi上新班级实测约0.021 Brier分

自适应辅导模型常用“抹掉群体信号”来求公平,但抹掉的是预测里的平均群体差,不是真实差距。研究给出这种抹除的最小额外误差闭式表达,并设计三阶段审计:在训练单元拟合、在验证单元公布代价、在独立单元检验。三个真实数据集上,抹除后模型几乎预测不出实际存在的差距;在Eedi上以独立单元选出知识追踪网络后,审计在五个划分中全部接受公布代价,实测代价均落在公布区间内,差距缩小在四个划分中迁移到新班级。

OpenAI News

OpenAI开放内部模型给四家外部评估方:Apollo、METR、Transluce、Goodfire进驻现场查对齐

OpenAI与Apollo Research、METR、Transluce、Goodfire四家独立评估机构签署协议,启动首阶段“嵌入式评估”:评估方进驻OpenAI办公场所,使用其设备,接触模型检查点、源代码、训练与评估数据、监控系统及研究人员,重点审查训练与内部使用阶段的对齐与防护措施。此前的外部测试多为阶段性、有限访问;这一轮把访问深度和持续时间同时拉长,但评估结果尚未公布。

arXiv

神经群体动力学不再依赖显式生成模型:RP-GPdyn从合成脉冲与真实记录中还原可解释潜动力学

神经群体动力学模型通常要显式写出非线性流场、潜状态到放电的映射和观测噪声三部分,任一部分设定错误都会让潜轨迹和动力学估计偏移。RP-GPdyn把流场换成高斯过程定义的转移函数,并用识别参数化模型隐式连接潜状态与神经活动,从而绕开生成式观测模型。在合成脉冲数据、随机点运动决策仿真、小鼠前外侧运动皮层延迟期活动和Neural Latents Benchmark运动皮层数据上,它恢复了与行为相关的潜变量与动力学。

bioRxiv

NeuroMASS v4 让曲率从脉冲数据里自己学出来:运动皮层接近正曲率,额叶计时回路接近零

NeuroMASS v4 把双曲潜空间的曲率做成可学习参数,直接以细胞外脉冲记录端到端训练,用于神经群体脉冲共平滑。此前 GPFA、LFADS、NDT 等潜变量模型都把群体活动嵌在欧氏空间里,无法低失真表示环形流形。在 NLB'21 四个猕猴皮层数据集上,学到的曲率在运动皮层 MC_Maze 为 0.84±0.11、MC_RTT 为 0.71±0.14,在额叶 DMFC_RSG 为 0.07±0.04 且不显著大于零。

arXiv

弱残差直接驱动网络更新:NeRI 在非对称与低正则椭圆问题上误差低于 PINN 与 WAN

NeRI 把椭圆算子方程的求解改成由当前弱残差驱动的单步网络更新:每一步构造一个依赖当前近似状态的线性泛函,其对试探函数的导数正好还原当前弱残差,因此不需要全局能量泛函,也不需要额外的检验网络。它可视为用神经正切核预条件的经典残差迭代,并可通过罚方法与硬约束参数化扩展到椭圆变分不等式。在带角点奇异的非对称问题、间断扩散系数问题和障碍型变分不等式的数值实验中,NeRI 的相对误差均小于所比较的 PINN 与 WAN。

arXiv

反应模型不只看终点对错:UniRxnAxis把潜空间更新拆成两半,正交残差撑起逆合成大部分可用性

化学反应预测模型通常只按终点准确率评估,看不出模型如何表示化学转化。UniRxnAxis把正向预测与逆合成统一为共享潜空间中的方向条件终点重分配,使源状态、变换状态与编码目标终点可直接比较,从而把学习到的位移拆成指向终点的平行分量与正交残差。在USPTO-50K逆合成上,只保留平行分量时top-1为0.0997,而只保留正交残差可达0.6303,接近完整状态的0.6441。

arXiv

COMPASS把产额表比较与参数推断合进一个扩散模型,银河系数据偏好NuGrid加TNG混合产额

COMPASS把银河系化学演化中原本分开做的两件事——比较不同恒星核合成产额表、推断星系参数——放进同一个基于条件分数扩散模型的框架,直接从正向模拟里学后验和似然。在受控模拟中它能认出生成数据的产额表并恢复真值参数,精度与已有模拟推断方法相当,计算开销比传统采样低若干数量级。用于69颗太阳型恒星的高精度丰度数据时,它偏好NuGrid的AGB产额与IllustrisTNG所用核坍缩超新星产额的组合,并给出比经典Salpeter值更陡的初始质量函数斜率。

arXiv

黑盒处理器不再靠手工试探:ProcReverser 多智能体在 C910 上把属性识别 Pass@1 做到 81.3%

当处理器实现细节不可得时,安全研究者只能靠软件实验逐项推断分支预测、推测执行等硬件属性,每个处理器都要重新设计实验、写测试程序并判读结果。ProcReverser 把这一流程交给五个分工不同的 AI 智能体,用执行反馈反复修改实验方案与测试程序,并在给出结论前强制核对测量证据。在玄铁 C910 的 16 项参考任务上,五次独立尝试的 Pass@1 为 81.3%、Pass@5 为 93.8%;在 gem5 RISC-V O3 模型的 20 项任务上分别为 83.0% 和 100.0%。

arXiv

视频扩散不再依赖预训练自编码器:JVT用纯像素Transformer在UCF-101把FVD做到136.5

JVT把视频扩散直接放回像素空间,用大块补丁的DiT式Transformer完成去噪,不借助预训练自编码器、级联阶段或U-Net式跳连。此前像素空间视频生成多依赖U形结构或级联流程,而潜空间DiT是主流。在UCF-101类别条件生成上,JVT的FVD为136.5,低于潜空间DiT基线Latte的477.97;在相机条件任务中,联合生成RGB与视差把RTA@5从仅RGB的72.4提高到79.5。

arXiv

机器人多模态对齐补上结构一致性:UniOMA用GW重心把视觉、力与触觉的样本关系拉齐

机器人感知的多模态对比学习通常只把同一实例的配对样本拉近,却不约束各模态内部样本之间的相对关系,因此嵌入在统计上对齐、几何上仍可能不一致。UniOMA在InfoNCE类对比损失之外加入基于Gromov–Wasserstein距离的正则项,为每个模态构造模态内相似度核,并学习一个跨模态的GW重心作为结构共识,让各模态向这一共识对齐。在五个机器人基准上,加入该正则项在多数配对比较中提升了回归、分类与跨模态检索表现,并提高了嵌入结构与输入核参照的秩相关。

arXiv

DTW检索不再对每对序列用同一把尺:WETW按对生成权重,长序列上比UCR Suite快40倍

WETW把DTW检索中的比较规则从固定距离改为按序列对生成权重:两个固定长度嵌入送入一个小型对称网络,为每个嵌入维度预测一个权重,无需计算对齐路径。在八个数据集上,WETW-FV以精确DTW校验短名单,平均recall@10为0.93时速度达到最快精确方法的11.4倍;在48K点序列上recall@10为0.91时仍比UCR Suite快40倍。

arXiv

欧几里得DR1强透镜建模不再逐张手绘:AstroVink-TREX自动拆分透镜、源与污染,约3000个系统中仅39个因分割失败

欧几里得DR1的强引力透镜候选超过15000个,此前每张图像都要由专家手工标出透镜光、被透镜的源光和需要遮蔽的前景污染,无法跟上编目规模。AstroVink-TREX把这一步改为神经网络自动输出三张通量图,并据此给出建模中心、拟合区域和共轭点。在约3000个经专家检查的系统中,按75%检查者一致的门槛,只有39个模型因分割错误而拟合失败。

NVIDIA Blog

英伟达发布Rubin HPC GPU:单卡逾5万CUDA核心,为智能体加速科学仿真

英伟达在SC26上发布Vera Rubin平台中的新GPU Rubin HPC,面向科学、工程与分析工作负载的仿真与数据处理。该卡单卡CUDA核心数超过5万,并加入稀疏数据加速能力,让这些核心持续获得数据;英伟达称其设计同时扩展数据搬运与计算,而非只增加算力。产品预计2028年可用。

arXiv

脑电重建图像不再只靠对齐:让图像教师监督去噪过程,THINGS-EEG七项指标全面超过同骨干基线

脑电到图像重建长期靠把脑电对齐到预训练视觉嵌入,再以此条件驱动生成器。该工作用检索实验说明,对齐变好并不等于重建变好:检索指标最多提升77,高层重建指标增益有限,低层保真度没有一致改善。为此先训练一个以DINOv2特征为条件的图像教师,把固定的编码器特征转成去噪过程中的中间表示,再让脑电条件的学生生成器在去噪时对齐这些动态目标,推理时丢弃教师。在THINGS-EEG十个被试上,该方法在全部七项指标上优于同一Brain-HiVE嵌入、无表示对齐的SiT-XL/2基线。

arXiv

EDA脚本智能体不再只靠模型猜:执行后读回完整状态,449项任务通过率从19.7%升到76.5%

面向PyAether、SKILL与Tcl三种EDA脚本接口,一个执行接地的编码智能体把生成、执行、读回结果串成闭环,在449项任务的EDA-Scripting-Bench上取得76.5%的合并Pass@1,而纯大模型为19.7%。在模型固定时,观测通道这一轴跨越56.8个百分点;在工具链固定时,骨干模型这一轴跨越23.3个百分点。作者据此提出接地缺口框架:脚本正确性受制于对当前设计状态的观测保真度,单靠模型规模无法补上。

arXiv

变压器不再为每个动力系统重解反问题:一次预训练,参数估计与轨迹预测共用同一套计算

对由未知参数决定的一族常微分方程,预训练后的变压器可以在不更新权重的情况下,仅凭新系统少量含噪轨迹观测同时给出参数估计与轨迹预测。理论构造把估计写成两阶段近似最大似然:先在参数空间粗搜索落入局部强凸区域,再用梯度下降线性收敛;预测则把该估计代入解映射的神经网络近似。误差界把有限观测、有限预训练任务、上下文长度与变压器规模分开,数值实验显示推理上下文变长时误差下降后趋于平台。

arXiv

临床睡眠分期不再依赖整夜人工标注:用四分之一患者标签,轻量模型把N1识别拉近全量训练

临床人群的睡眠更碎,觉醒更多、N1更多、快速眼动睡眠更少,而自动分期模型多在健康人身上训练,迁移到患者时性能下降。研究者让一个1.36亿参数的睡眠基础模型SleepGPT在每队列仅25%患者标签上微调,再以教师—学生方式指导一个3.1万参数、122 KB的因果CNN-GRU实时分期脑电与眼电。新的过渡感知蒸馏损失Gcv-TAD在患者级10折交叉验证中,把每患者宏F1比同标签监督训练平均提高3.2至7.6个百分点,增益最大出现在N1,性能接近全量标签训练。

arXiv

生物方程发现先读文献再拟合:噪声加大后,P2C把最差形式误差从13.096压到1.095

从稀疏、含噪的生物观测中反推常微分方程时,纯数据拟合容易选出机制不同却同样贴合数据的结构。P2C先把文献中的机制描述转成带类型、可追溯到原文的约束,在数值拟合之前筛掉违反这些约束的候选方程。在四个已发表的炎症与免疫调控模型上,加入文本约束后,干净数据上的最差形式误差从1.397降到0.499,高斯噪声扰动下从13.096降到1.095。

arXiv

视觉语言模型改写机械臂代价程序:仿真里最多五轮反馈,四任务成功率97.5%

接触密集的机械臂操作此前要么依赖端到端学习策略,要么需要针对已知场景手工设计奖励与约束。Objectives as Policies 让预训练视觉语言模型生成一份可编辑的多阶段代价程序,由同一个采样式模型预测控制器在数字孪生中执行,再依据执行统计反复修改。四个桌面任务上,仿真中最多两轮反馈累计成功率为90%,最多五轮达到97.5%;在物体位置被扰动的真实场景中,仿真成功的程序执行成功率为80%。

arXiv

历史SQL不必每次重写:MEM-SQL在HARE上把执行准确率从37.1%提到50.0%,输入token少76.6%

同一数据库上反复提问时,先前验证过的SQL往往已经包含新问题需要的连接或计算,但主流基准把每个问题独立评测,看不到这部分可复用的历史。MEM-SQL把历史查询拆成整查询模板、可复用SQL块和模式概念三层记忆,只有某一层承担的全部需求都越过阈值才采用该层,并在没有层合格或生成器判断证据不足时才去查数据库模式。在HARE的1,600条请求上,六个语言模型的平均执行准确率从无历史直接生成的37.1%升到50.0%,平均输入token减少76.6%、延迟降低68.8%。

arXiv

智能体训练数据不再全靠专家示范:JudgeMix按步评判,AppWorld上pass@1最高提升8点

用专家轨迹做监督微调训练AI智能体,训练数据与目标模型推理时的状态分布不一致,模型一旦偏离理想轨迹就容易失败。JudgeMix在每一步用评判器判断目标模型提出的动作是否语义正确,只在模型出错时让专家接管,并按评判结果调整专家监督的权重。在AppWorld与AutomationBench两个工具调用基准上,JudgeMix对Qwen3.5-2B和Qwen3.5-9B两个目标模型都取得最高pass@1,相对纯专家示范最高提升8点和10点。

arXiv

换一把没见过的键盘,击键声仍能被还原:Decker把跨键盘精度差从约40点压到18点以内

声学侧信道攻击此前只在单一键盘、固定麦克风、安静房间且训练与测试同设备的条件下被验证,换到未见过的键盘上,强单模态与多模态基线准确率会掉约四十个百分点。Decker把键盘签名归一化、域对抗解耦、跨键盘监督对比对齐和声学风格随机化放进同一训练框架,学习对按键有区分度、对键盘与用户不变的嵌入,把跨键盘泛化差距压到十八个百分点以内,再用语言模型在候选键上做约束解码,把零散的按键预测还原成连贯文本。

arXiv

ChlCast 把叶绿素a预报做到约4公里:对比哥白尼业务系统,卫星参考下误差降七成

ChlCast 是一个由观测数据驱动的深度学习模型,可在南纬60度至北纬60度之间以约4公里分辨率给出未来10天的逐日表层叶绿素a浓度预报。此前业务化的哥白尼全球海洋生物地球化学预报系统以0.25度网格运行,细尺度结构在粗网格上被削弱。以卫星L4叶绿素a场为参考时,ChlCast 的平均绝对误差和均方根误差分别比哥白尼低70.74%和47.63%;以独立的BGC-Argo现场观测为参考时,两项误差分别低35.03%和13.07%。

ag-ui-protocol/ag-ui

AG-UI 1.0 冻结规范:智能体与界面的连接改由一条双向事件流承担

AG-UI 发布 1.0 版本,把 AI 智能体与用户界面之间的连接固定为一条双向事件流:智能体发出带类型的事件,任何客户端都能渲染,不必再为每个框架单独接线。此前智能体并不符合请求/响应模型,它们边流式输出、边调用工具、更新共享状态、暂停等待人工,各家框架做法互不相同。1.0 的规范已冻结并由 JSON Schema 支撑,TypeScript、Python 和 .NET 三个 SDK 由该 Schema 生成,且与 0.x 双向兼容。

NVIDIA Technical Blog

英伟达Vera Rubin首次亮相MLPerf训练榜:七项基准中六项训练时间最短,DeepSeek-V3上每GPU约快2倍

英伟达Vera Rubin架构在MLPerf Training v6.1首次提交成绩,其NVL72平台在七项基准中的六项取得最短训练时间,相对高度优化的GB300 NVL72基线最高提升2倍。在6710亿参数的DeepSeek-V3上,Vera Rubin NVL72用1024块GPU把训练时间从8.03分钟压到4.14分钟;第七项基准的最快绝对成绩则由10240块GPU的GB300 NVL72以1.38分钟取得。英伟达称Vera Rubin从256块扩展到1024块GPU时保持97%以上的整体扩展效率。

OpenAI News

ChatGPT医疗版把智能体放进医院软件:读屏、点击、跨系统搬病历,医生仍保留审核

OpenAI 为 ChatGPT for Healthcare 推出可跨既有医疗软件执行多步任务的计算机操作智能体,并改进可信临床检索、新增 20 多个医疗插件。此前医疗团队需在电子病历、医院政策、排班系统和支付方门户之间手工拼接信息;新能力让智能体读屏、点击、打字并在应用间切换,同时提供访问控制与审计日志。在覆盖多个专科、含多轮对话的盲评中,医生在 1300 多次评审里对更新后的临床回答在全部八个维度上给出更高评价。

arXiv

远距离与末端各用一套策略:学习式混合制导在600次多圈低推力交会中全部达标

多圈低推力交会要同时完成长时间轨道转移和米级末端控制,单一策略难以兼顾两种状态尺度。该制导律让远距离专家读取修正春分点根数、末端专家读取目标局部坐标系下的相对状态,再由一个带时间注意力的门控网络连续混合两者推力指令。在600次测试任务中,它在10米与1米/秒容差下全部完成交会,相对4公里距离硬切换把平均飞行时间缩短50.6%、速度增量降低44.5%。

arXiv

Calpha让通用大模型自己决定折叠:单链结构均值TM-score达0.808,长链仍落后直接基线

Calpha把蛋白质折叠接进通用对话模型:Qwen3.5-9B读取序列与ESM2残基特征,在收到折叠请求时输出<structure>标记,用自身残基隐藏状态驱动冻结的SimpleFold-3B结构头生成全原子坐标。在固定折叠请求下,该配置在FoldBench-334、CASP16域和CAMEO风格PDB集上的平均TM-score分别为0.808、0.635和0.900;但在300–600残基链上,三个集合的平均配对差值分别为−0.044、−0.160和−0.025,均低于直接ESM2→SimpleFold-3B基线。

arXiv

分子语言模型补上结构课:SAGA只改训练,检索R@1最高提升7.82个百分点

分子语言模型靠配对结构-文本做对比学习,却把结构相近的非匹配分子和毫不相干的分子当成同一类负样本。SAGA在训练时用中心核对齐把神经分子嵌入的两两关系对齐到指纹Tanimoto相似度,不增加参数,推理时也不需要指纹。在MolCA与Atomas上,分子-文本检索各项指标全部提升,Atomas-L的文本到分子R@1从43.15升到50.97,非精确检索也更多落在结构更近的类似物上。

arXiv

同一套WZW流代数,两种神经网络实现误差不同:能级–秩对偶让带电关联函数跨理论迁移

神经网络场论把场论关联函数写成网络参数系综上的期望,但同一个连续极限流代数可以由不同网络实现。这项工作用玻色Wakimoto场和费米Fourier–Berezin场构造正能级WZW流代数,并借助能级–秩对偶把配对理论的带电扇区联系起来。在固定调节子和有限宽度下,直接构造与陪集构造的误差不同,谱分布和调节子选择会改变逼近精度;源扇区的测量可在不测目标制备的情况下预测配对扇区的响应。

arXiv

把天气轨迹倒着生成:Rewind-AR 让同一场极端事件的前兆更集中,但 66 小时内最多 22% 成员失稳

给定一个已观测的极端天气终态,能否反推出通向它的多种前兆路径,是情景规划需要的样本。此前 cBottle-video 用视频扩散生成 66 小时终点约束集合,但集合离散度偏低、地转关系不自洽,且只能近似重现约束帧。Rewind-AR 改用 FourCastNet 3 骨干做反向时间概率自回归,在 2021 年太平洋西北热浪与飓风 Ian 两个案例中,其前兆 500 hPa 位势高度主导模态解释的成员间方差明显高于 cBottle-video;代价是 66 小时内最多 22% 的成员数值失稳。

arXiv

旋转不变量会把高对称构型混为一谈:HIP-HOP扩展基在甲烷上取得其变体中最低误差,推理仍更快

旋转不变表示在高度对称的原子环境中可能把几何上不同的构型映射成同一个描述,从而限制原子间势的精度。研究构建了一个针对多重对称构型的轻量基准,暴露出不变与等变架构共有的退化,并据此为不变架构HIP-HOP补入更高角阶的矩不变量基。在含七百多万构型的随机位移甲烷数据上,扩展基在HIP-HOP各变体中误差最低,约3.6万参数时精度接近EquiformerV3而推理更快;但(3/4)环构型上两者仍会失败。

arXiv

法律判决模型在决定性事实改变后仍判有罪:PROSE把支持性判决的误伤从17.5%降到8.5%

法律判决预测模型常在决定性法律条件被改动、罪名已不成立时仍维持有罪结论,形成“有罪偏置”。PROSE把纠错写成配对约束:同一案件的无依据版本应改判,仅差一个决定性条件的支持版本应保持。在Qwen3-8B与GLM-4-9B上,它以一次离线参数编辑实现选择性修复,并在修复率对齐时把支持性判决的误伤从17.5%降到8.5%(Qwen)、从24.3%降到7.1%(GLM)。

arXiv

长序列蒸馏不再让教师全程接管:ATI-OPD只改写最早分歧段,学生独立答题平均准确率高于标准在线蒸馏

在线蒸馏让学生用自己的回答接受教师逐词指导,但回答变长后学生的前缀会偏离教师自己的推理,后续反馈随之失真,训练出现梯度尖峰和超长回答。ATI-OPD在最早出现高分歧的片段处让教师插入一小段改写,再交还学生续写,并把持续分歧的尾部排除在蒸馏损失之外。在五个数学推理基准、两对1.5B师生模型上,学生脱离教师独立作答的平均准确率高于标准在线蒸馏。

arXiv

候选轨迹评估不再逐条推演未来:RFWorld 改用共享场景记忆,NAVSIM 上 PDMS 达 90.5

端到端自动驾驶要在多条候选轨迹中挑一条执行,此前的世界模型评估器会为每条候选沿规划时域显式预测未来状态,推理开销随候选数和时域增长,还会累积预测误差。RFWorld 改为只构建一次与轨迹无关的共享场景记忆,训练时用带语义监督的轻量时序读出塑造它,推理时让候选轨迹通过稀疏空间读出直接查询打分。在 NAVSIM-v1 上,RFWorld 以 ResNet-34 骨干取得 90.5 的 PDMS,高于表中 DriveDPO 的 90.0 与 ResWorld 的 89.0。

Hugging Face - Blog

AI2发布XYBench:8千余道真实问题考AI能否识破用户的错误前提

AI2联合卡内基梅隆、英伟达与约翰斯·霍普金斯大学发布XYBench,用8,115道来自Stack Overflow、Stack Exchange、人工整理与WikiHow的真实问题,检验AI助手能否识别用户提问背后的错误前提。在Stack Overflow问题上,五个被测模型给出表层请求解决方案的比例为75–86%,而给出真实目标解决方案的比例只有59–71%;即便把用户真实意图直接告诉模型,识别错误前提的比例也未必上升。

bioRxiv

肝脏衰老细胞不再只按标志基因清单读:空间因果模型把上游应激与下游基质沉积连成回路

在11份人肝Visium空间转录组样本上,研究者把两种有正确性保证的因果发现算法扩展到空间数据,得到BOSSsrsi与LGLsrsi两套模型,分别给出224个和38个直接上游基因、659个和53个直接下游基因。这些基因与SenMayo、SenUMN标志清单重叠有限,最大重叠是SenMayo覆盖BOSSsrsi上游列表的13.4%。对BOSSsrsi列表的通路分析把衰老相关信号描述为整合细胞应激输入与免疫反应、驱动整合素介导的TGF-β激活与持续基质沉积的自我维持回路。

Harmonic

Aristotle把形式化验证扩到Rust:能证明unsafe块无未定义行为,还在Solana订单簿上找出舍入错误

Harmonic 的 Aristotle 把形式化验证从 C 和 Verilog 扩展到 Rust,开发者可在代码上线前证明其行为符合规格,而不只靠测试捕捉缺陷。它声称能证明代码不存在未定义行为,包括 unsafe 块内部,也能证明重写后的 Rust 代码与原 C 代码行为一致。在开源订单簿 Manifest 上,Aristotle 证明了覆盖整个订单簿的 28 条结果,并发现一个团队随后修复的舍入错误。

bioRxiv

细胞体外的RNA不再当噪声丢弃:SCOUBI在小鼠脑内标出轴突-树突交汇位点

空间转录组数据中大量落在分割细胞体之外的RNA通常被分析流程丢弃,而神经元mRNA本可被运送到远离胞体的轴突和树突。SCOUBI把这类细胞体外空间切成小格,用已知轴突、树突标记基因训练一个浅层神经网络,同时要求相邻的轴突格与树突格之间出现显著的配体-受体共表达,再把两类格子汇聚且配体-受体共定位的位点定义为“界面”。在小鼠半脑Xenium数据上,它给出与已知神经解剖组织相符的轴突、树突与界面图谱,界面转录组富集突触相关基因,并在多个独立样本和两种成像平台上重现。

arXiv

团队协作也能建“能量碗”模型:ANCHOR 用 52 个参数预测四人团队何时跑偏

协作混合现实头显能记录谁在说话、谁在看同一张图、谁站得近,但要让系统在团队跑偏前给出提示,需要一个能从小样本学、反复迭代仍稳定、设计者读得懂的团队模型。ANCHOR 把四人团队看成能量碗里的球,碗底由团队近期行为、自身历史和他人规范混合确定,用 52 个参数写成切换端口哈密顿系统。在留出的 17 支四人团队上,偏离 32 秒后约剩 24%,模型预测 30%;对话崩溃预警 AUROC 为 0.85,精度与约 4 万参数的黑箱基线相当。

bioRxiv

小脑与内侧颞叶组成回路:只学预测下一状态,就能推断情境并迁移到新情境

研究把已知解剖结构拼成一条回路:小脑前向模型在来自内侧颞叶的隐变量条件下预测下一状态,内侧颞叶再用小脑的预测误差更新该隐变量。回路只被训练做下一状态预测,却在十二个未提示的运动情境中把留出速度误差从0.0348降到0.0138,低于无情境模型的0.0223;隐变量按扰动族与参数组织,使下游运动皮层能检索旧情境并首次补偿未见过的情境。

arXiv

拍卖保留价改由文本模型定价:约6.58万场二手车拍卖上,净自动成交收入差达1.658亿美元

在线拍卖平台要为描述各异的商品设定保留价,而传统做法要求管理者预先指定商品属性。研究把预训练文本嵌入模型按拍卖出价的结构似然微调,让描述表示直接对准决定保留价的估值分布,再在另一半样本上估计广义帕累托尾部并闭式给出保留价。在约65,800场美国二手车在线拍卖上,把卖家价值校准到与成交率一致后,模型隐含的自动成交收入净增1.658亿美元,相当于现行保留价政策收入的14.6%。

OpenAI News

OpenAI把前沿模型交给北约网络防御方:北约核心机构每月已用最多3000亿原始token

OpenAI与北约通信与信息局(NCIA)合作,让北约核心机构获得先进网络安全模型的使用权限,用于审查软件、调查可疑活动、验证漏洞并开发测试修复。北约在这项工作中每月已使用最多3000亿原始输入与输出token。同一批模型也用于欧洲多国网络防御:欧盟ENISA借此在欧盟机构所用软件中找出四个漏洞并全部发布修复,CERT Polska据此协助定位MikroTik RouterOS的六个漏洞,厂商修复后经其确认阻止了已观察到的攻击。

arXiv

签名核岭回归有了有限样本误差界:重尾路径数据下超额风险仍按样本数衰减

路径签名能把路径空间上的函数逼近到任意精度,但此前不清楚需要多少数据才能定出合适的签名泛函。这项工作在签名核岭回归框架下,对签名核与响应变量分别施加矩条件,给出有限样本的超额风险界与一致性保证;当驱动路径是布朗运动、常规矩条件不成立时,改用更弱的有限矩假设与 Fuk-Nagaev 不等式,仍得到同阶的衰减率。

Scientific Reports

手机与云端分摊生成式推理:MAGS用报价代替抢单,p99延迟降17.1%

生成式查询的代价要等答案生成完才知道,设备只能提前占资源,多台设备还会同时涌向同一台服务器。MAGS让每台设备先用本地小模型的四层探针预测token数与生成熵,再按服务器广播的拥塞价格竞标云端容量,并在同一次出价里选定每token的隐私参数。在相同观测与调参预算下,十个随机种子上它相对反应式PPO基线把p99延迟降低17.1%、每token能耗降低13.6%、吞吐提高20.7%;八设备两服务器实测把卸载决策的跨设备相关性从0.41降到0.08。

arXiv

量子生成模型的认证换轨:Fisher迹被证明恒等于参数数,双度量升级规则接管判定

对用半角旋转制备实振幅态的量子线路,经典Fisher信息矩阵在除零测集外处处等于量子Fisher信息矩阵,其迹恒为参数数2n−1,因此无法反映拟合好坏。研究转而考察Fisher特征值秩与Wasserstein-1、最大均值差异两类分布度量:秩只反映收敛分布支撑集的大小,在满支撑基准上退化为随机水平。对两类可解析求解的比特串缺陷族,W1与MMD的容差失配窗口仅在认证级容差下打开,并随量子比特数增加而关闭。

arXiv

相干散射不再只看平均弛豫:预测充分性检验指出相关函数漏掉的动力学信息

X射线光子相关谱(XPCS)通常把散斑电影压缩成强度相关函数,这种压缩可能丢掉后续动力学所需的信息。一种称为“信息显微镜”的检验比较仅用可测XPCS观测量与再加入当前散斑序列学习表示的预测效果,若后者更好,说明常规描述遗漏了信息;随后从散斑强度构造的候选观测量库中搜索可补回这部分信息的量。在布拉格散射模拟中,两个新增观测量把预测分数从0.347提高到0.412,学习表示的剩余增量降到0.047。

NVIDIA Blog

英伟达把四节点DGX Spark摆上办公桌:512GB内存本地跑700B参数模型,不必再排共享集群

英伟达在SC26推出DGX Spark HPC开发者套件,把四台DGX Spark组成环形直连的小集群放到研究者桌上。此前多节点科学计算和AI模型通常要排队等共享GPU集群,这套配置以ConnectX-7直连省去交换机,四节点合计512GB内存和20TB NVMe存储,在NVFP4下可本地部署最多700B参数的模型。套件已开售,配套的HPC SDK安装手册尚未发布。

arXiv

野火风险评估改走地理定位融合:RoPE把街景语义锚进卫星图,五类风险调和F1达0.2476

野火建筑级脆弱性评估此前难以同时兼顾街区尺度的起火路径与社区尺度的地理覆盖。Wildfire-SSR把灾前街景全景交给视觉语言模型抽成结构化文本,再用经纬度把每条描述锚定到卫星图块内的相对像素位置,经解耦交叉注意力与卫星特征融合。在2025年洛杉矶Eaton与Palisades两场火灾约3.7万栋建筑上,采用旋转位置编码的配置取得建筑定位F1 0.6735和五类像素级风险调和F1 0.2476,优于单模态与无地理锚定的多模态配置。

arXiv

量子中继协议不再先切路径:强化学习在交叉网络上把端到端纠缠率抬到路由式swap-ASAP之上

在非线性量子网络上,纠缠路由把网络切成互不相交的路径、再在每条路径上并行运行链式协议,以此缩小搜索空间。该工作改用强化学习在更大的非路由协议空间中直接搜索,在八站交叉网络等小型网络上得到的端到端对数负性速率高于路由式swap-ASAP,即便后者处于被广泛认为最优的参数区间。作者据此主张路由应被非路由方法取代,并给出一个与改进幅度相关的网络评分。

arXiv

低剂量CT去噪不再全图一个折中:RouteDiff在十次网络评估下把Mayo 2020的PSNR推到40.95 dB

低剂量CT的扩散去噪此前对整张图像只用一个结构—细节折中,并按时间步决定每一步的恢复重点,下一步状态又由当前状态递推而来、误差随之累积。RouteDiff把细节按像素置信度路由到可信位置,用状态超图从当前特征与路由分歧判断恢复阶段,并在固定步从锚定估计重新进入轨迹。在与基线相同的十次网络评估下,它在四个数据集上取得最高PSNR与SSIM,Mayo 2020为40.95 dB和95.13%,Mayo 2016为45.18 dB和97.23%。

Hugging Face - Blog

Hugging Face 把语言模型推理路由交给 OpenRouter:同一令牌可调 Hub 上开放权重模型,失败自动换供应商重试

Hugging Face 把语言模型请求的推理路由从自建路由器换成 OpenRouter,用户仍用同一个 Hugging Face 令牌和同一套 API 调用 Hub 上由供应商服务的开放权重模型。OpenRouter 按实时价格、速度和可靠性为每次请求挑选供应商,首个供应商失败时在同一次调用内改投下一家;此前 Inference Providers 只选一家供应商,失败即返回错误。图像、视频和音频生成仍走 Hugging Face 自己的推理通道,不经过 OpenRouter。

OpenRouter Blog

OpenRouter 的路由接管 Hugging Face 推理:160 个模型自动选价、选速、选稳定

Hugging Face 上的聊天模型推理现在由 OpenRouter 的提供商路由驱动,按实时价格、速度和可靠性为每次请求挑选服务商,并支持故障自动切换。此前开发者需要自己在多个服务商之间做选择。OpenRouter 称其十月重建路由时的在线实验测得容量错误请求减少 46%、首 token 时间快 16.9%、吞吐高 16.3%,代价是每次请求成本高 6.0%。目前以这种方式提供 160 个模型,来自 38 个实验室。

bioRxiv

冷冻FIB-SEM图像不再被充电伪影淹没:两阶段修复让常规电镜分割模型直接读出膜结构

冷冻聚焦离子束扫描电镜能在近天然含水状态下对细胞做三维成像,但充电伪影、噪声和弱膜对比度长期妨碍结构判读。一种采集后处理的两阶段深度学习流程把冷冻图像向常规室温FIB-SEM图像域转换:第一阶段逐切片抑制大尺度伪影,第二阶段借相邻五张切片增强膜对比度。在164张留出合成测试图上,第一阶段相对退化输入的平均配对PSNR提升16.74 dB;四个实验数据集上可见伪影减少、膜特征更清晰,且预训练的CebraNET膜预测器无需重训即可直接用于处理后的体数据。

arXiv

SMEFT算符空间不再靠枚举:强化学习智能体在912个算符中找出26个低重叠高质量方案

面对SMEFT中912个守恒重子数、轻子数与轻子味的算符,逐一枚举多算符组合会迅速变成组合爆炸问题。ReinforceSMEFT把逐个加入算符写成序贯决策,用约4万可训练参数的actor–critic策略在132个观测量(其中24个偏离标准模型超过3σ)的环境里学习选择,并额外奖励与已有解重叠小的方案。与随机子集和随机序贯搜索相比,该策略更高效地构造出多算符理论;合并十次独立训练后,共得到26个Jaccard指数低于0.1的高质量解。

arXiv

旋转框的两种等价写法让半监督检测器误判:Oriented Semi-DETR在DOTA-v2.0各标注比例上提升mAP

航拍图像中的旋转框存在两种参数写法描述同一矩形,半监督检测器会因此把定位正确的学生框当作错误并丢弃。Oriented Semi-DETR在伪框进入训练的三个位置消除这一歧义:回归目标选与学生预测更近的写法,匹配代价对两种写法取最小,伪标签去噪提前启动并按教师分数与编码间隔加权。在DOTA-v2.0的10%、20%、30%标注比例上,其mAP分别比最佳DETR类基线高1.78、2.18、2.59点,严格IoU阈值下增益更大。

langchain.com

LangSmith把智能体变成核心对象:跨框架、跨运行时的智能体有了统一归属与治理

LangSmith 被重新组织为以“智能体记录”为核心的产品,把构建、运行、改进和治理四个阶段挂到同一个智能体身份下。此前追踪数据按扁平项目层级存放,同一智能体在不同环境中的轨迹彼此没有关联,平台团队也难以回答有哪些智能体、归谁负责、成本与表现如何。新数据模型为每个智能体记录所有者、全局唯一且不可变的 ID 和类型,并通过 OpenTelemetry Protocol 接入其他平台上的智能体,使其与自建智能体按同一方式登记和度量。

OpenAI News

OpenAI开放CSAM图像分类器:经审核组织可免费调用,并带AI生成专门信号

OpenAI发布一款可检测儿童性虐待材料(CSAM)的图像分类器,并称这是首个广泛可用、能专门提示图像是否可能由AI生成的CSAM分类器。在用户上传图像的评估中,与现有防护相比,新分类器估计可少标记48%的图像,同时找到的虐待图像数量大致相当;被它标记的图像含虐待内容的可能性约为原来的两倍。该分类器通过API免费提供给经审核的组织,训练与评估得到美国国家失踪与受虐儿童中心协助。

arXiv

神经控制李雅普诺夫函数改由结构保证正定,倒立摆上PLNet取得最大认证吸引域

对已知的非线性离散时间系统,控制器与控制李雅普诺夫函数可以联合训练,而候选函数的正定性不再靠训练样本上的惩罚维持。输入凸神经网络和Polyak-Łojasiewicz网络(一类带上下二次界、因而按构造正定的网络)直接满足正定与径向无界,只剩闭环下降条件需要形式化验证。在倒立摆与路径跟踪两个基准上,PLNet在倒立摆取得最大的基础与扩展认证吸引域,五个种子都只经一轮认证即通过。

arXiv

门控视觉状态空间模型能精确擦除被关闭的 token,但门控图并不解释恶性判断

在肺结节恶性度概念瓶颈模型上,把选择性状态空间块卷积输入的掩码置零、并让被关闭 token 在读出时权重为零,概念与任务 logit 就对被关闭 token 的内容严格不变;15 个交叉验证模型逐路径敲除全部复现这一模式,最大 logit 变化恰为 0,而违反条件时为 4.1 到 6.7。门控本身既不必要也不充分,门控图更像掩码监督得到的定位支持集,而非对恶性判断的解释。

arXiv

可逆神经网络学出Morse型Lyapunov函数:只要平衡点双曲,紧集上就能给出稳定性证书

对平衡点双曲的动力系统,可逆神经网络可以在紧集上逼近Morse型Lyapunov函数,从而给出全局渐近稳定的证书。此前用神经网络学Lyapunov函数只保证某种范数下的逼近,而Lyapunov不等式需要控制导数,这类逼近不足以构成证书。做法是把Morse型Lyapunov函数写成某个微分同胚的范数平方,再用神经ODE构造可逆网络,在Sobolev范数下逼近该微分同胚。

arXiv

随机轨迹生成不再只做一维:SINN 用投影密度约束联合分布,耦合振子基准上联合密度误差随投影帧增加单调下降

统计信息神经网络(SINN)此前只在一维随机过程上验证过,扩展到多维时,分量之间的联合分布无法靠各自独立训练的一维模型复现。多维 SINN 用若干一维线性投影的密度来约束联合分布,并用自适应损失权重平衡多类统计目标;在两耦合 Duffing 振子基准上,联合密度误差随投影帧数增加而单调下降,且该误差不参与训练与选模。

mastra.ai

Mastra推出定制工厂计划:工程师驻场,把自家软件工厂搬进你的代码库

Mastra 推出 Custom Factory 计划,由前驻场工程师嵌入客户团队,在客户自己的技术栈上围绕其代码库共建软件工厂。此前多数工程团队仍逐个引入 AI 工具,例如手工运行的编码智能体、问题调查智能体和代码审查智能体。Mastra 称其自营软件工厂已处理公司 70% 的 issue,自上线以来 PR 数量增长 6 倍,多数工作从 Slack 智能体 Shipyard 接单开始,一路推进到可供审查的拉取请求。

NVIDIA Blog

英伟达Vera Rubin首登MLPerf:训练每GPU性能最高翻倍,智能体推理每瓦吞吐超上代10倍

英伟达Vera Rubin平台首次参加MLPerf基准测试,在训练、后训练与智能体推理三类负载上提交结果。训练侧,Vera Rubin NVL72在首秀中每GPU性能最高达到经过高度优化的GB300 NVL72的两倍;在DeepSeek-V3基准上,它从256块GPU扩展到1024块GPU时保持约97%的扩展效率,训练时间由16分钟缩短到约4分钟。首次提交的MLPerf Endpoints中,Vera Rubin NVL72在Kimi K3的暂定结果上,于相同响应速度下每瓦吞吐超过GB300 NVL72的10倍。

Liquid AI

Liquid AI 发布 d1.2 决策模型:新增音频输入与五类任务,d1.2-ultra 在决策指数上领先两分

Liquid AI 发布决策模型 d1.2 与 d1.2-ultra,两者新增音频输入和五类结构化输出任务,包括从文本中读取数值、抽取文本片段、在图像中定位目标、给出带区间的数值估计以及多选作答。在 Artificial Analysis Decision Index v2.1 上,d1.2-ultra 得 75 分,比此前最好的决策模型高两分;在 13 个基准、22,505 道题上,其校准误差为 0.8 个百分点,低于 d1.2 的 1.2 和 GPT-6 Luna Decisions API 的 7.2。五个新任务尚无公开基准,评测基于公开数据集留出划分构建的内部测试集。

bioRxiv

不用筛万亿条序列:MobGen 从头设计单体蛋白,结合新冠病毒 RBD 并中和 B.1

针对病毒抗原的单体蛋白(monobody,源自人纤连蛋白 III 型结构域的小型结合蛋白)过去要靠噬菌体展示筛选含 3×1013 条随机序列的文库才能找到高亲和力结合体。MobGen 把 RFdiffusion、AlphaFold2 反向传播和 ProteinMPNN 串成一条计算流程,针对 SARS-CoV-2 B.1 株刺突蛋白受体结合域生成 11,450 条序列,从中筛出 7 个结合体,其中一个对 B.1 假病毒有微摩尔级中和活性;后续加 C 端尾把产量平均提高约 7 倍,结合亲和力做到 22.1 至 424.8 nM,但中和效力只到约 2 至 25 µM,且没有单体蛋白能中和所有测试变异株。

arXiv

车站受扰后重排进路:3RO先固定再按需松绑,180秒内多数算例严格优于完整MILP

列车运行受扰后,车站需要在有限时间内重新安排进路、站台和时刻。3RO框架先用按进路分别训练的预测模型固定预计仍稳定的进路,再在不可行时释放少量固定、在可行后按列车交互关系释放更多固定以找回替代进路。在真实车站的226个扰动算例上,180秒预算内它在56.7%的全部算例和77.4%的困难算例上得到严格优于无约束MILP的当前最好解。

arXiv

动态生存预测有了时间分辨解释:DynSurvX把计算量砍掉41–80%,随访中可反复更新

纵向随访数据让生存预测更准,却也让模型更难解释,而现有解释方法要么绑定特定模型,要么只处理静态协变量。DynSurvX把时间归因拆成两步:先按整体重要性筛出值得细看的纵向特征,再只对这些特征自适应细分时间窗,从而给出随新测量更新的时间分辨解释。在模拟数据和两个临床数据集上,它与理论重要性的吻合程度随预测模型性能提高而提高,相对时间解释基线WindowSHAP减少41–80%计算时间。

NVIDIA Blog

英伟达扩展 CUDA-X 库并交给 AI 智能体调用:事件视界望远镜相关分析从超过一个月缩到八分钟

英伟达扩展 CUDA-X 库,新增 cuPhoton、cuPotential 和 cuSpa,并让 AI 智能体能够调用这些库来加速科学计算。cuPhoton.xBeam 把事件视界望远镜的观测相关分析从超过一个月缩短到八分钟;cuPotential 把现有分子模拟软件加速至多 3 倍;开源的 cuSpa 在 Memorial Sloan Kettering 癌症中心的细胞多边形计算上相对 CPU 达到 900 倍加速。这些数字分别属于不同的库和不同的使用场景。

Vercel News

Seedance 2.5 Flash上线AI Gateway:更快更便宜,官方称输出贴近标准版

字节跳动的Seedance 2.5 Flash已上线AI Gateway,是Seedance 2.5的更快、更低成本版本。它可从文本提示或图像、视频、音频参考生成带同步音频的视频,片段长4至30秒、最高720p、24帧每秒,支持横屏、方形和竖屏,也可编辑或延长已有视频。官方称其输出在人物真实感、基于参考的编辑和提示遵循上接近标准模型。

arXiv

楼宇与配电网之间多了一个智能体团队:200个合成任务上成功率从38.0%升到69.0%

楼宇与配电网之间的调度交互长期依赖两个领域的专业人员来回翻译需求、手工搭建仿真与优化流程。B2G-Agent把这一过程拆给三个协作智能体:翻译者做双向语义对齐,执行者把任务分解成有向无环图并调用EnergyPlus与pandapower,审查者结合语义与证据检查并回退纠错。在200个合成交互任务上,其交互质量分从基线的66.71升到85.57,任务成功率从38.0%升到69.0%,同时满足运行约束。

arXiv

CT合成PET不再只学真值:MedicalDPO用同一CT下候选的优劣排序微调,BBDM的LPIPS降11.67%

布朗桥扩散模型在同一张CT条件下能生成多张质量不一的PET候选,但常规训练只逐样本对齐真值,没有利用这些候选之间的相对优劣。MedicalDPO把空间、强度、结构三个保真维度上的排序自动转成偏好对,再用相对去噪误差的偏好目标与原始布朗桥目标联合微调。在BBDM与CPDM两个骨干上,LPIPS、MAE、SSIM、PSNR四项指标均有改善;BBDM采用多对轮换时LPIPS与MAE分别下降11.67%和13.22%。

arXiv

喉部病变分类不再只看外观:PADSNet并入声带振动波形,F1比最强视频基线高约0.20

喉镜图像中高危、低危与正常组织的静态外观常常重叠,而声带振动的对称性、闭合与周期性差异可能更具判别力。PADSNet把视频外观特征与从声门分割掩膜提取的声门距离波形并列建模,并用9维生物力学指标门控重标定视觉特征。在397例患者、按患者分层划分的三分类临床视频数据上,PADSNet取得0.8452准确率和0.8089的F1,高于所比较视频模型中最好的InternVideo2的0.6084。

ElevenLabs Blog

ElevenLabs收购日本语音AI实验室Kotoba:Koto模型已支撑Salesforce日语对话

ElevenLabs宣布收购日本语音AI实验室Kotoba,交易预计在2026年第四季度晚些时候完成,仍需通过常规监管审批和交割条件。Kotoba由研究者在2023年创立,其语音模型Koto覆盖日语文本转语音、语音转文本和用于同声传译的语音转语音,并已在Salesforce的Agentforce Voice中支撑日语对话。双方称合并后将把Kotoba的日语研究与ElevenLabs的整套技术栈结合,并计划在日本扩充本地销售负责人并继续投入基础设施。

NVIDIA Blog

Lambda用共封装光交换机连接上万块GPU:机架级网络时延降约4%,光引擎中位温度36°C

Lambda 在 AI 工厂中部署 NVIDIA Photonics 共封装光学(CPO)交换机,把光引擎与交换芯片封装在同一基板上,用于连接 NVIDIA GB300 NVL72 机架、涉及超过 1 万块 GPU。公司测试显示,机架规模网络时延下降约 4%,pod 规模最多下降约 10%,吞吐与常规可插拔光模块持平。相比可插拔方案,该交换机宣称最高 5 倍能效和 15 倍可靠性,激光器用量减少 4 倍,光引擎中位温度 36°C 对 51°C。

arXiv

用药轨迹异常检测不再只看整条记录:L2G-Joint把可疑就诊定位到具体几次访视

纵向用药轨迹中的可疑偏差往往只藏在少数几次就诊里,而按账户整体打分容易把局部信号稀释掉。L2G-Joint用药物知识图谱和医保目录约束构造多粒度的代理异常,并加入知识一致的合理变体作为负样本,再让每次可评分就诊共享同一个异常分数,经Top-20%选择性聚合得到账户级判断。在City-A的代理基准上,它的Macro AP为0.7844、Macro AUROC为0.7707、定位Macro AP为0.7215,分别比各自最强对照相对提升约2.4%、3.6%和9.2%。

Preferred Networks

PFN与SEMIFIVE联手开发MN-Core L2000:内存带宽翻倍,2027年一季度交付设计数据

PFN与SEMIFIVE宣布在AI推理专用半导体MN-Core L2000系列上展开合作,该产品是计划2027年开卖的MN-Core L1000的下一代,内存带宽扩大到L1000的两倍以上。为应对逻辑芯片与DRAM垂直堆叠带来的结构复杂性,SEMIFIVE负责设计实现与供应链管理,制造采用Samsung Foundry平台,双方计划2027年第一季度完成设计并交付制造。这一路线把生成AI推理的瓶颈押在内存带宽上,但功耗、散热与良率等3D堆叠难题仍需在量产前解决。

arXiv

滑坡跑程模拟不再逐步解方程:物理约束神经网络单步约10毫秒,110秒全程提速约50倍

滑坡跑程预测通常依赖求解深度平均流动方程的数值模拟,参数扫描时反复计算代价很高。一个受物理约束的神经网络被训练成按固定时间间隔推进的单步替代器,输入当前厚度与速度场,直接给出下一时刻的场。在测试集上,单步厚度与速度的均方根误差约为0.06米和0.11米每秒;自回归推进110步后约为0.21米和0.09米每秒,全程耗时约1.1秒,而数值求解器约需16.7秒。

NVIDIA/SkillEvaluator

英伟达放出 SkillEvaluator:先给智能体技能做静态质检,再用有无技能的对照跑分

英伟达发布 SkillEvaluator,用来检查 AI 智能体技能的质量,并测量技能对任务结果的影响。它先做质量检查,再对比启用与不启用该技能的运行结果;技能是按 Agent Skills 规范定义的指令与配套文件目录。随附的 text-analyzer 示例在静态质量检查中得 88.8/100(B),默认通过阈值为 70,但发布证据仍标记为不完整。

Databricks Blog

Databricks公开企业AI指数:同一通过率下,每任务成本可差约32倍

Databricks推出公开的AI指数,把1万多家企业经Unity Gateway产生的匿名用量数据与基于真实代码库任务的编程智能体评测放在一起,按周更新。指数显示企业模型选择正快速分散,开源权重模型在token流量中的份额从7月的7.3%升至11月的30.9%。在编程基准中,GPT-6 Luna与Claude Opus 5.5同为89.1%的任务成功率,但每任务平均成本分别为0.05美元和1.62美元。

NVIDIA Technical Blog

英伟达发布 Nemotron for Science 后训练配方:药物代谢预测上,SFT 提 12%,强化学习再提 17%

英伟达发布 Nemotron for Science,一套包含模型、数据集、工具与配方的集合,让研究团队把实验记录搭成可验证奖励环境,把通用多模态模型改造成领域专用科学智能体。以药物代谢预测为例,模型输入母体分子与代谢酶、输出代谢产物 SMILES,在 16,384 token 输出预算下,监督微调把 Nemotron for Science 的准确率提高 12%,强化学习后训练再提高 17%。配方还给出可选的教师模型蒸馏预热步骤,用于强化学习收敛偏慢的情形。

researchsquare.com

同一块田里换一片地就失灵:随机森林田内R²约0.90,跨地块降到0.329,序列模型守住0.44

瑞士Witzwil一处农场的冬小麦像素级产量预测显示,田内插值精度高并不等于能跨地块外推。随机森林在坐标分组划分下R²约0.90,但在同年连续空间块交叉验证中平均降到0.329;CNN-A-GRU与Mamba分别保持0.444和0.434,经分域条件生成对抗网络增广后升到0.485和0.464。研究还比较了七次物候对齐采样与90天季节平均,前者在三种模型上都更好。

Vercel News

Vercel 的 AI Gateway 接入私有推理:自托管与微调模型改用同一套密钥、SDK 和日志

Vercel 的 AI Gateway 新增 Private Inference,把企业自托管、微调或预发布模型作为私有提供方接入网关。此前这类模型需要单独的密钥、客户端代码和日志,如今它们与目录模型共用同一套认证、SDK、API 和可观测性,调用时只需把模型 ID 换成 private/<slug>,请求由网关翻译成端点自身的格式。私有模型仅对本团队可见、不进入公开目录,凭证加密存储,并可按提供方开启零数据保留。

Preferred Networks News

PFN与SEMIFIVE联手开发MN-Core L2000:3D堆叠推理芯片瞄准L1000两倍以上内存带宽

Preferred Networks与SEMIFIVE宣布合作开发面向AI推理的下一代芯片MN-Core L2000系列,计划提供超过前代MN-Core L1000系列两倍的内存带宽,以缓解生成式AI推理的带宽瓶颈。该系列沿用把逻辑芯片与DRAM垂直堆叠的3D结构,PFN负责处理器架构与逻辑设计,SEMIFIVE提供3D-IC设计与供应链管理,逻辑芯片采用三星代工平台制造,流片定于2027年第一季度。合作已在进行中,但芯片尚未流片,带宽指标为计划目标。

arXiv

量子专家不再按索引切分脑区:按功能网络分组,最强功能连接保留率从43.9%升到62.4%

量子混合专家模型处理高维时空数据时,此前多按索引把输入特征切成若干块,切断了特征之间原有的依赖关系。特征分区量子混合专家(Feature-Partitioned QMoE)改为按功能一致的脑网络把180个脑区分给四个量子专家,每个专家只处理一个神经科学定义的回路。在ABCD静息态fMRI的ADHD分类上,这种分组与任意切分取得可比的测试AUC,同时把前5%最强功能连接保留在专家内部的比例从43.9%提高到62.4%,并支持逐回路的归因分析。

arXiv

冻结的视觉编码器换个看法:vividRGB 把局部裁剪放大再拼回,五个生态图像域的边缘 F1 全面高于原版 DINOv3 与 SAM3

vividRGB 0.1.0 把一种推理期流程做成 Python 库:不重训视觉编码器,只把输入限制在放大后的重叠局部裁剪上,再把各裁剪的特征反变换回原图坐标拼成稠密特征场。在草地、真菌网络、机载森林、珊瑚礁和浮游植物显微五类生态图像上,冻结的 DINOv3 ViT-B/16 配合该流程,其 RGB 边缘边界 F1 的域均值在 5% 焦点下为 0.290 至 0.596、10% 焦点下为 0.244 至 0.441,而原版 DINOv3 为 0.028 至 0.076、自动 SAM3 为 0.020 至 0.090。代价是提取时间和 GPU 能耗显著上升,5% 焦点下每张图约 175.8 秒。

arXiv

PhaseCLIP把相位谱接进冻结CLIP的频域适配:五套遥感基准平均84.28%,最难数据集提升4.36点

PhaseCLIP把冻结CLIP视觉编码器的频域适配从只用振幅谱扩展到相位谱,并让同一组模块权重先学相位、再用振幅精修,因此不增加参数。在EuroSAT、PatternNet、UC Merced、RSSCN7和LSRS五套遥感基准、1到32样本与八个基线的统一协议下,它取得84.28%平均准确率,比只用振幅的FreqDIMFT高1.93点,在113类的LSRS上高出4.36点。

Asimov

Asimov与Emergent签下两条细胞系开发合作:用CHO Edge为两款抗埃博拉单抗建高产研究细胞库

Asimov与Emergent BioSolutions宣布一项细胞系开发合作,覆盖两条完整的细胞系开发流程,从载体设计与合成一直到高产研究细胞库的生产与发运,对象是两款靶向埃博拉的单克隆抗体。Emergent希望借助Asimov的CHO Edge系统获得高产细胞系,该系统把GS敲除CHO宿主、高活性转座酶、遗传元件库与AI驱动的遗传设计软件Kernel组合在一起。合作处于细胞系开发阶段,双方表述的是加速候选抗体开发的意图,尚未给出细胞系滴度或抗体效果的数据。

Hacker News

Axonnic 把肌电袖套戴上前臂:手不必被包住,也能解码手指动作并估计指尖力

Axonnic 发布一款前臂袖套,用64通道表面肌电记录肌肉电活动,据此解码手指关节角度并估计指尖力,双手保持裸露。团队称视频只记录动作、不记录动作背后的用力,而维持握持这类几乎看不见的肌肉活动正是缝纫、精细装配的关键信号。在一次训练四天后、未重新校准的215秒记录中,袖套解码20个关节角度的误差为6.9°,对照为 Apple Vision Pro 的手部追踪。

arXiv

英伟达放出4GB小模型Nemotron 3.5 Bolt E4B:21项基准平均分最高,输出词数还更少

英伟达发布开源小模型 Nemotron 3.5 Bolt E4B 4GB,目标内存占用约 4 GB,面向本地语音助手、交互角色与机器人/IoT 接口。它从 Gemma-4-E4B-it 出发,仅用强化学习后训练,强化多轮工具调用、指令遵循与输入接地。在 21 项基准上,它在推理与非推理两种模式下平均分均高于 Gemma-4-E4B-it 和 Qwen3.5-4B,平均输出词数也更少。

AI

Ask Maps 新增行程、代找预约与清单检索:行程和清单搜索随服务全球可用,路线提示与代找预约先在美国推出

Google 为 Ask Maps 加入三项功能:按天生成带编号地图标记的行程、由智能体代找美容与宠物护理等本地预约并可致电商家、以及跨用户清单检索实时空位。行程与清单搜索在所有已提供 Ask Maps 的地区可用,路线“出发前须知”提示与代找预约先在美国推出;同时 Ask Maps 开始扩展到欧洲30个国家,覆盖范围增至200多个国家和地区。

Vercel News

腾讯 Hy4 Flash 上线 AI Gateway:保留 Hy4 全部功能,每 token 价格约为十分之一

腾讯 Hy4 Flash 通过 AI Gateway 开放调用,并在 2026 年 11 月 29 日前对输入、缓存输入和输出 token 提供五折的 introductory 优惠。它是 Hy4 家族中成本更低的型号,保留跨轮保留思考的推理、工具调用、结构化输出、提示缓存和图像输入,上下文窗口同为 100 万 token,每 token 价格约为 Hy4 的十分之一;不需要推理的请求可以关闭推理,面向高并发的编程、智能体和文档负载。

arXiv

心脏电影MRI不再只求像:CardioTrace把形变场与分割一起生成,长序列少漂移

CardioTrace把心脏电影MRI合成与显式运动追踪绑在一起:一条分支直接预测相对舒张末帧的残差帧,另一条分支估计从参考相位出发的逐时刻形变场,并在舒张末与收缩末用左心室、右心室和心肌的分割标签约束解剖结构。在M&M与ACDC两个公开心脏电影MRI数据集上,它相对代表性GAN与扩散基线在感知质量和时间一致性上更好,并在整个心动周期中更好地保留心室形态。

arXiv

液体食物不再靠标签:2.4 GHz OFDM 信号直接估出碳水、脂肪与蛋白质

液体食物中的碳水、脂肪和蛋白质含量,现在可以直接从穿过液体的 2.4 GHz OFDM 射频信号中估计。此前这类定量要么依赖包装标签、实验室分析,要么依赖用户手动记录,而射频方法多用于识别液体种类或给出粗略养分比例。ICOT 先推断决定介电行为的配料类别,再据此回归三大营养素;在 55 类饮料、28,420 次采集上,同分布平均绝对误差为 0.101 g/100 ml,留一类交叉验证下为 0.485 g/100 ml,但新配方泛化仍是主要未解问题。

ClinicalKey AI 在电子病历内读取完整病历:答案附患者数据与约1000种期刊全文引文

爱思唯尔宣布 ClinicalKey AI 可在电子病历内读取患者完整病历,并把治疗方案与公司循证临床内容比对,每个答案都带患者病历数据和来自约1000种期刊全文的引文。该工具已在全球1200多个医院站点使用,此前它从空白提示出发作答,如今起点是具体患者。新墨西哥州圣胡安地区医疗中心正用其患者上下文功能,在临床与质量团队规模小于大型学术医疗系统的条件下核对每位患者的诊疗。

AMD Newsroom

AMD在SC26公布Lux开放使用:这台TOP500第14位超算成为DOE Genesis任务首个专属AI工厂

AMD在SC26宣布,橡树岭国家实验室的Lux SI + HPC超级计算机向科学用户开放,成为美国能源部Genesis任务的首个专属AI工厂。Lux在当日TOP500榜单上位列第14,实测HPL性能为220.79千万亿次浮点运算每秒,把AMD EPYC处理器、Instinct MI355X GPU、Pensando网络与ROCm软件放在同一平台上,用于同时承载AI与传统建模和仿真。AMD同时报告其技术覆盖202套TOP500系统,占榜单四成以上,并出现在Green500前50名的一半以上系统中。

researchsquare.com

联邦负荷事件识别不再无条件共享语义:FedReST在REFIT 2014十分之一标签下Event F1配对高出架构匹配FedAvg 0.00524

联邦非侵入式负荷监测让各户在不共享原始功率序列的前提下协作,但本地标签稀疏、各户电器运行方式不同,跨客户传来的语义证据可靠性并不一致。FedReST把协作拆成两道准入:服务器用可靠性门控的部分最优传输只接纳双方都有支撑的语义质量,接收端再用保函数梯度投影过滤会扰动本地已掌握状态的更新方向。在冻结的REFIT 2014滚动折、10%可见标签和匹配的两轮本地训练预算下,FedReST核心相对架构匹配的Head+BN FedAvg参照,Event F1与Window F1的配对差分别为+0.00524和+0.00104。