Medical Image Segmentation: Foundation Model Adaptation versus Task-Specific Training
机构 * Brunel University of London（布鲁内尔伦敦大学）
AI总结 该研究对比了基础模型DINOv2适配与U-Net、ResU-Net从头训练在三类医学图像分割任务中的性能，发现适配后的DINOv2跨机构泛化更优，且仅需适配小部分参数，容量由成像领域决定。
arXiv 论文中文摘要与每日学术速递
Toward Foundation Detection Models via Example-Based Grounding in EM-DETR
基于EM-DETR中基于示例的 grounding 构建基础检测模型
机构 * Friedrich-Alexander-Universität（弗里德里希-亚历山大大学） ； Siemens Healthineers（西门子医疗） ； Siemens Medical Solutions（西门子医疗解决方案）
AI总结 本研究提出基于EM-DETR的多领域病灶检测基础模型，采用学生-教师训练策略结合异质性数据集，在CXR和乳腺X线摄影任务中取得最优性能，为医学成像可扩展基础模型提供新路径。
AutoScaffold: AI-Guided Scaffolding for Reinforcement Learning of Language Models
AutoScaffold：用于语言模型强化学习的AI引导脚手架
机构 * University of Minnesota, Twin Cities（明尼苏达大学双子城校区） ； JPMorgan AI Research（摩根大通人工智能研究院）
AI总结 本文提出AutoScaffold框架，将智能体训练经验转化为自适应脚手架，在ALFWorld等四领域的RL任务中，该框架训练的智能体性能优于基线，且训练步数更少。
Contrastive Discovery: Open-Ended Scientific Discovery over Competing Explanations
机构 * Cornell University（康奈尔大学）
AI总结 该研究提出对比式发现方法，用对比集替代单一假设，在六个领域及盲法研究中，该方法能提升智能体解析科学问题的比例，优于逐点评估方法。
Comments Accepted at NeurIPS 2026. 55 pages. Project page: this https URL (https://codiscovery.ai/contrastive-discovery/)
Pyrite: Building and Benchmarking Protein-Ligand Pose Ranking Agents
机构 * Stanford University（斯坦福大学） ； Genesis Molecular AI（创世纪分子人工智能公司）
AI总结 本研究构建了蛋白质-配体姿态排序基准Pyrite，开发了PyriteReasoner和PyriteFeaturizer两种LLM智能体，其排序准确率超专家水平，证明LLM引导的特征发现是有前景的计算化学工具输出组合方法。
Comments 32 pages, Agentic AI for Biological Discovery Workshop (NeurIPS 2026)
When Does the Real Wiring Win? Testing connectome structure-function claims against unmeasured physiology
真实连接组何时胜出？将连接组的结构-功能主张与未测量的生理特性进行检验
机构 * University of Virginia（弗吉尼亚大学）
AI总结 该研究通过区分三个估计量，利用果蝇回路模型等检验连接组结构-功能主张，发现部分主张成立，部分不成立，强调可信结构主张需匹配优化、数据约束生理特性及有效模型。
Comments 23 pages, 5 figures, 10 tables. Code, data and prediction files are included as ancillary files
Continual-ARC: Measuring Skill Acquisition over a Working Lifetime
机构 * unify（Unify公司）
AI总结 本文提出Continual-ARC终身任务流基准，对比智能体工具与权重学习，发现智能体工具的持久性需专家指导才提升记忆，且未提升泛化，权重学习在未见过任务上增益显著。
Comments 51 pages, 13 figures. Code and run records: this https URL (https://github.com/unifyai/continual-arc)
Emergent Biological Capabilities in a Foundation Model for Molecular Interactions
机构 * Output Labs（输出实验室）
AI总结 本研究提出仅基于蛋白-配体序列训练的基础模型Bonbon，其在6种规模缩放后涌现出三类零样本生物能力，结合与亲和力预测性能达SOTA且速度远超共折叠方法，湿实验验证对9个疾病靶点的全新化合物命中率达61.5%。
Comments Accepted at NeurIPS 2026 (Main Track, Oral)
Measuring Robustness and Efficiency in a Connectome-Constrained Fly Visual System Model: Linking an Adversarial and a Perceptual Illusion
测量连接组约束的果蝇视觉系统模型的鲁棒性与效率：关联对抗性与知觉错觉
机构 * Centre de Recerca Matemàtica（数学研究中心） ； Universitat Politècnica de Catalunya（加泰罗尼亚理工大学） ； Newcastle University（纽卡斯尔大学） ； Allen Institute（艾伦研究所）
AI总结 本文通过对比FlyNet与多种人工神经网络，发现连接组约束提升模型效率，且FlyNet易受对抗攻击，反向φ错觉与对抗性扰动源于相同回路漏洞，为生物知觉漏洞研究提供可检验假设。
Comments 39 pages, 24 figures, 2 tables, Accepted at 40th Conference on Neural Information Processing Systems (NeurIPS 2026)
RS-JEPA: Remote Sensing Joint-Embedding Predictive Architecture with Scan-Path Views for Cross-Sensor Image Retrieval
RS-JEPA：结合扫描路径视图的遥感联合嵌入预测架构，用于跨传感器图像检索
机构 * Prince Mohammad Bin Fahd University（穆罕默德·本·法赫德王子大学） ； Universitat de València（瓦伦西亚大学） ； Tezpur University（提斯普尔大学）
AI总结 提出RS-JEPA，基于视觉Mamba编码器，通过扫描路径视图和对抗视图耦合等技术，在跨传感器图像检索任务中，以仅388万参数的检索网络，在12种方法中取得最高F1@5值。
Comparative Analysis of Agent Evaluation Frameworks: Stability, Detection, and Discovery in Enterprise Analytics Agents
智能体评估框架的对比分析：企业分析智能体中的稳定性、检测与发现
机构 * Amazon（亚马逊）
AI总结 该研究对比三种评估框架在企业分析智能体中的表现，发现基于轨迹的框架性能最优，功能与安全评估互补，建议采用双框架策略。
Comments Accepted to KDD 2026, Jeju, Korea. 9 pages, 3 figures
ReTrace: Distilling Tool-Using Agents into Planner-Free Workflows
机构 * Columbia University（哥伦比亚大学） ； Amazon（亚马逊公司）
AI总结 ReTrace将SOP和智能体运行提炼为无LLM规划器的工作流，在降低24%成本的同时保持高完成率，在τ²-Bench等基准上大幅缩短运行时间，经修复后性能进一步提升。
TimeSeek: Multi-Task and Multi-Domain Pretraining for Generalized Time Series Analytics
TimeSeek：面向通用时间序列分析的多任务与多领域预训练
机构 * School of Data Science and Engineering, East China Normal University（华东师范大学数据科学与工程学院）
AI总结 针对现有时间序列基础模型的两大缺陷，本文提出TimeSeek模型，通过多领域特征提取器与多任务协同训练实现多领域自适应建模与多任务统一预训练，在三类任务中达最优性能且推理效率良好。
Comments Accepted by IEEE Transactions on Pattern Analysis and MachineIntelligence
Is Your Robot's Memory Just a Clock? Temporal Shortcuts in Memory-Augmented VLA Policies
你的机器人的记忆只是一个时钟吗？记忆增强型VLA策略中的时间捷径
机构 * Nanyang Technological University（南洋理工大学）
AI总结 该研究发现记忆增强型VLA策略存在时间捷径问题，空事件会被误判为进展导致机器人提前失败，按事件索引记忆可修复该问题。
Comments 38 pages
Re-Search: Dissecting LLM Ideation Through a Two-Player Questioning Game
Re-Search：通过双人问答游戏剖析大语言模型的研究构思
机构 * Texas A&M University（得克萨斯农工大学） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 该研究提出Re-Search问答游戏评估框架，发现LLM研究构思瓶颈在生成而非判断，为自动研究系统设计提供了基于外部补充的优化方向。
Comments Preprint. 15 figures, 10 tables
Mechanistic Interpretability Needs a Logic of Inference
机构 * Georgia Tech（佐治亚理工学院） ； McGill University（麦吉尔大学）
AI总结 该研究针对机制可解释性（MI）中从复杂神经系统推断机制的推理瓶颈，提出五项原则组成的递归逻辑，为科学发现提供框架，助力转化局部发现为累积知识并生成可检验假设。
Comments NeurIPS 2026 Interp4Discovery (Oral)
Pterodactyl: Pushing the Limits of Efficient Automated Translation Evaluation
机构 * Group（1020集团） ； Acta Language Services, LLC（阿克塔语言服务有限责任公司） ； CFB Scientific Translations LLC（CFB科学翻译有限责任公司）
AI总结 该研究为WMT26自动翻译评估共享任务开发了名为Pterodactyl的高效系统，适配相关子任务，基于LLM评判者方法优化，还推出了适配特定子任务的变体。
Comments 6 pages, 4 figures
BoviShift: A Six-Year Multi-Attribute Audit of Visual Cattle Phenotyping Across Animals and Time
BoviShift：跨动物与时间的视觉牛表型分析六年多属性审计
机构 * Graaho Technologies LLC（格拉霍科技有限责任公司） ； Indiana University Bloomington（印第安纳大学伯明顿分校） ； American International University Bangladesh（孟加拉国美国国际大学）
AI总结 本研究构建了包含2021-2026年六个年度队列的BoviShift牛视觉数据集，评估三种划分策略及ResNet-50基线在牛表型多属性预测中的表现，揭示了划分策略、队列年份对不同性状预测的影响及领域差距。
TanCRAFT: Context-Reasoned Anticipatory Feedback for Assembly Tasks
机构 * University of Bonn（波恩大学） ； Lamarr Institute（拉马尔研究所） ； University of New Mexico（新墨西哥大学） ； Fraunhofer IAIS（弗劳恩霍夫智能分析与信息系统研究所）
AI总结 提出TanCRAFT四阶段实时预测辅助系统，在七巧板装配任务中验证其可显著减少错误、降低感知工作量并缩短完成时间，为相关辅助系统发展提供支持。
Comments This work has been submitted to the IEEE for possible publication
C$^2$-Routing: Complementary Cropping and Compression for Efficient Vision-Language Inference
C²-Routing：用于高效视觉-语言推理的互补裁剪与压缩
机构 * Leiden University（莱顿大学）
AI总结 针对视觉问答的高计算开销问题，提出C²-Routing自适应选择互补裁剪或压缩策略，结合安全门保护精度，在视觉token受限下大幅降低计算量且任务分数损失极小。
A Theory of Policy Optimization in Post-Training: Coverage Collapse and Reference Resets
机构 * Kempner Institute at Harvard University（哈佛大学 Kempner 研究所） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Microsoft Research（微软研究院）
AI总结 该研究针对语言模型训练后策略优化的覆盖度崩溃问题，提出近似策略镜像下降（APMD）方法，证明含参考重置的PPO、GRPO等算法为覆盖度保持算法，明确了正则化等因素对训练后成本的影响。
Comments 141 pages including appendices, 3 figures
Accurate predictions of properties of energetic materials with tabular foundation models
机构 * Norwegian Defence Research Establishment (FFI)（挪威国防研究机构（FFI）） ； Norwegian Computing Center (NR)（挪威计算中心（NR））
AI总结 本研究采用表格基础模型TabPFN，在无需超参数调优的情况下，精准预测含能材料的撞击感度、分解温度和晶体密度，其性能优于多种机器学习模型，还具备内置不确定性量化能力。
When does text encoding matter for language modeling?
机构 * Khoury College of Computer Sciences, Northeastern University（东北大学Khoury计算机科学学院） ； EleutherAI
AI总结 本研究探究文本编码对字节级语言模型性能的影响，提出混合编码方案Aether，发现信息密度高的语言受益于压缩编码，低信息密度语言对编码不敏感，主张文本编码应按语言定制而非通用默认。
A Lightweight Differentiable Method for Real-Time Skin Rendering and Digitization
机构 * Universidad Rey Juan Carlos（胡安卡洛斯国王大学） ； Politecnico di Milano（米兰理工大学） ； Euro-Mediterranean Center on Climate Change (CMCC)（欧洲地中海气候变化中心） ； RFF-CMCC European Institute on Economics and the Environment (EIEE)（RFF-CMCC欧洲经济与环境研究所）
AI总结 提出可微SSSS框架，用单光源单视角采集，在45人数据集上验证，实现轻量输入下实时皮肤渲染的参数恢复与外观生成。
Comments 20 pages, 25 figures; includes 6 pages of supplementary material. Accepted to Computers and Graphics
UGG: Unified Generative Geometry Model
机构 * MIT（麻省理工学院） ； UC San Diego（加利福尼亚大学圣迭戈分校） ； University of Cambridge（剑桥大学） ； Harvard University（哈佛大学）
AI总结 提出统一生成几何模型UGG，将4D场景的视觉生成与几何预测统一为条件补全，在多任务及稀疏观测下性能优于非统一基线。
Comments Accepted at NeurIPS 2026. 31 pages, 7 figures, 6 tables. Project page: this https URL (https://ugg-model.github.io/)
Metric-Aligned Group Relative Policy Optimization for Explainable Deepfake Detection
机构 * University of Ljubljana（卢布尔雅那大学）
AI总结 本文提出解耦的“先预测后解释”流水线，结合Qwen3-VL-8B模型与度量对齐GRPO优化，在XPlainVerse基准上提升可解释深度伪造检测性能，获挑战赛复杂BERTScore-F1第一、总体第七。
Comments 5 pages. Accepted to MRAC '26 (ACM Multimedia 2026)
Quantifying the Sampling Frequency Invariance of Time-Series Foundation Models for Sensor Data Applications
机构 * Bosch Research, USA - Bosch Center for Artificial Intelligence（博世美国研究中心 - 博世人工智能中心） ； School of Interactive Computing, Georgia Institute of Technology, USA（佐治亚理工学院交互计算学院）
AI总结 本文通过压力测试MOMENT等4种TSFMs，量化其采样频率不变性，明确该属性与信号带宽差值的关系，为从业者提供TSFMs适用场景指导。
DnNP: Denoising Input Uncertainty in Neural Processes
机构 * Northeastern University（东北大学）
AI总结 该研究针对神经过程（NPs）假设输入无噪声的缺陷，提出去噪神经过程（DnNPs），通过变分推断训练使其联合去噪与元学习，在PM2.5插值等任务中显著提升预测与不确定性量化效果，且有理论支撑。
Comments Accepted at NeurIPS 2026. 20 pages, 3 figures, 3 tables. Code: this https URL (https://github.com/iSUPER-ML/DnNP)
OnlyAct: Extracting Action Representations from Foundation Models for World Models
机构 * University of Oxford（牛津大学）
AI总结 本文提出OnlyAct框架，基于预训练基础模型V-JEPA 2，通过无标签对比适应提取动作表征，构建的世界模型可更忠实地将演示动作迁移至新场景。
Evaluating LLM-Generated World Models for Neuro-Symbolic Reasoning
机构 * PRISM AI Safety Research（PRISM AI安全研究）
AI总结 本研究构建含44个场景的基准，评估5个LLM生成的部分可观测随机博弈形式化世界模型，发现机械有效模型在下游神经符号推理结构上仍有显著差异，可执行性仅为必要非充分标准。
