Elucidating the Design Space of LM Data Attribution
机构 * Northeastern University（东北大学） ； MIT（麻省理工学院）
AI总结 本研究探索LLM数据归因的设计空间，提出可控归因基准CATT，发现用负对数几率梯度替代交叉熵损失梯度并聚合Top词分数可显著提升归因性能，该修正还能推广到FTRACE-TREX。
Comments Project Page: https://catt.baulab.info/
arXiv 论文中文摘要与每日学术速递
Propose-Filter-Release: Scaling Noise to Typical Sensitivity via Private Filtering
Propose-Filter-Release：通过私有滤波将噪声缩放到典型敏感度
机构 * School of Computer Science and Engineering, The Hebrew University of Jerusalem（耶路撒冷希伯来大学计算机科学与工程学院） ； Department of Computer Science and Artificial Intelligence, Bar-Ilan University（巴伊兰大学计算机科学与人工智能学院）
AI总结 该研究提出通用隐私原语PFR，通过私有滤波将噪声缩放到典型敏感度，可将友好DP机制转化为标准差分隐私机制，适用于标量统计等多场景。
Rethinking Neural Thickets Without Weight Perturbations
重新思考无权重扰动的神经丛（Neural Thickets）
机构 * Kyutai（京塔AI） ； Meta FAIR ； LIGM（LIGM实验室） ； CNRS（法国国家科学研究中心） ； Univ Gustave Eiffel（埃菲尔大学） ； ENPC（巴黎国立路桥学校） ； IP Paris（巴黎理工学院） ； UC Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind）
AI总结 该研究针对神经丛假说，提出无需权重扰动的扰动-选择-投票（PSV）方法，通过输出多样性、选择与投票实现性能提升，在语言和视觉任务中均表现良好，是全权重扰动集成的无训练替代方案。
Comments Project page can be found here: https://kyutai.org/logit-psv
SwapBot: Tool-Centric Robot Manipulation via Interchangeable End-Effectors and Tactile Sensing
SwapBot：基于可换末端执行器与触觉感知的以工具为中心的机器人操作
机构 * University of Washington（华盛顿大学）
AI总结 SwapBot是配备低成本适配器与触觉传感器的模块化以工具为中心的机器人末端执行器系统，可兼容多种工具与机器人平台，经遥操作演示训练的模仿学习策略在接触丰富任务上成功率较仅RGB策略高15-25个百分点。
Luggage re-identification: A study of strategies towards a real-world application
机构 * Université Paris-Saclay（巴黎萨克雷大学）
AI总结 本文针对实际场景中行李重识别性能受遮挡等因素影响的问题，研究多视频流端到端流水线策略，在基准数据集上评估不同变体以提升实际应用的行李ReID性能。
Comments 7 pages, 4 figures, 5 tables. Accepted at The 2026 IEEE International Conference on Content-Based Multimedia Indexing (IEEE CBMI)
SonoWorld4D: From One Video to a 4D Audio-Visual Scene via Diffusion Synchronization
SonoWorld4D：通过扩散同步从单视频生成4D视听场景
机构 * University of Maryland（马里兰大学）
AI总结 该研究提出Video-to-4DAVScene任务，推出SonoWorld4D框架，通过双空间音频扩散同步从单目视频生成4D视听场景，经评估其生成的场景空间音频与视觉内容一致且逼真。
Comments Project Page: https://humathe.github.io/sonoworld4d/
world2vec: Mechanistic world models through latent dynamics learning
机构 * Helmholtz Munich（亥姆霍兹慕尼黑） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
AI总结 提出world2vec模型，通过潜在动力学学习构建机制性世界模型，参数远少于同类模型，在连续环境控制与系统识别任务中表现优异，可用于科学发现。
Comments https://worldmodels.science/
Probing Spatial State Representations in Visual Foundation Models
机构 * New York University（纽约大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 该研究通过四个空间能力层面的测试，探究视觉基础模型是否具备支持空间状态的表征，发现其空间表征在不同任务等层面存在差异，为空间表征的评估提供了新方向。
SymAnt: Grounding Long-Horizon Action Anticipation with Adaptable Symbolic Priors
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Purdue University（普渡大学） ； Honda Research Institute USA, Inc.（美国本田研究所） ； Virginia Tech（弗吉尼亚理工大学）
AI总结 SymAnt是一种神经符号方法，结合神经网络与图的结构化推理，可从短观测窗口参数高效地预期长程动作，支持直接编辑知识调整预测，在五个数据集上验证了有效性。
Comments Accepted to WACV 2027. 18 pages (8-page main paper, references, and supplementary appendix), 6 figures, 9 tables. Project page: https://aryanmangal769.github.io/symant/
ShallowDefend: Harnessing Shallow Safety Alignment for Multi-Turn Defender
机构 * University of California, Davis（加利福尼亚大学戴维斯分校） ； Microsoft Research（微软研究院）
AI总结 本研究提出 ShallowDefend 框架，通过 Assess→Decide→Respond 机制，利用大语言模型安全行为的浅层性，在多轮对话中实现了更强的安全性，同时保留了模型效用。
Testimony from Timelines: Evidence-Grounded Significance Testing of Temporal Clinical Hypotheses
机构 * Stevens Institute of Technology（史蒂文斯理工学院）
AI总结 针对语言模型缺乏时间临床假设检验依据的问题，提出STRATA基准与ART分阶段范式，ART缩小了结论-证据差距，使31B开放模型接近前沿模型水平。
Difficulty Calibration Across Time for Membership Inference in Diffusion Models
机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
AI总结 本研究针对扩散模型的成员推理问题，提出RMC与TSC两种跨时间难度校准方法，大幅提升攻击性能且可跨模型参数化泛化。
L3G-World: Real-Time Infinite World Generation with Latent 3D Gaussian Memory
机构 * KAIST AI（韩国科学技术院人工智能学院） ； Ewha Womans University（梨花女子大学） ； KAIST Urban AI Institute（韩国科学技术院城市人工智能研究院）
AI总结 本文提出L3G-World，通过L3G内存结合内存更新器与DiT，解决实时长时世界生成的空间一致性问题，实现9 FPS实时生成，性能优于现有基线。
Comments Project page: https://cvlab-kaist.github.io/L3G-World/
When to Assist and What to Suggest: Joint Gating and Memory-Grounded Hint Generation in One Compact Decoder
何时提供辅助及建议内容：在一个紧凑解码器中联合门控与记忆基础的提示生成
机构 * Bangladesh University of Engineering and Technology (BUET)（孟加拉工程技术大学）
AI总结 本研究提出一种1B紧凑解码器，可联合实现门控与记忆基础的提示生成，在对话辅助任务中，其性能与双模型流水线相当，计算效率更高，且贴合人工评分。
Comments 20 pages, 10 figures, 13 tables; supplementary material included (Sections S1-S8)
Fight World Model: Customizable Combat through Visual Interaction Proxies
机构 * Imperial College London（伦敦帝国学院） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； University of Oxford（牛津大学）
AI总结 提出Fight World Model，分离战斗执行与渲染，在FightWorld Corpus上训练，支持多种定制机制，性能优于现有模型。
Comments Tech Report
A Conveyor Belt Mechanism for Repositionable Magnetic Coupling Between Continuum Robots
机构 * University of Toronto Robotics Institute（多伦多大学机器人研究所）
AI总结 本研究提出一种用于连续体机器人的传送带机构，可主动重新定位功能元件，通过在传送带上安装永磁体实现机器人间磁耦合，耦合点位置和数量可调节，有效刚度与耦合位置呈三次反比且随耦合点数量增加而增大。
Comments 7 pages, 10 figures
HairDeck: Animation-Ready Stylized Hair Cards from a Single Image
机构 * Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 HairDeck是基于单张图像的风格化头发卡片生成方法，用集合扩散Transformer生成可动画化的头发资产，性能优于现有方法且速度大幅提升
Comments 27 pages, 23 figures
Beyond Ground Truth: A Heuristic Unsupervised Quality Assurance Engine for Diagnosing Calibrational Blindness in Dental Segmentation
超越真值：一种用于诊断牙科分割中校准盲区的启发式无监督质量保证引擎
机构 * North East University Bangladesh（孟加拉东北大学）
AI总结 本研究针对牙科X光分割的校准盲区问题，提出无监督质量保证引擎HUS-QA，无需真值即可评估分割质量，其性能优于标准置信度方法，可作为临床质控工具。
Comments Accepted at 11th IEEE Asia-Pacific Conference on Computer Science and Data Engineering (IEEE CSDE 2026), Cox's Bazar, Bangladesh. Copyright 2026 IEEE. 5 pages, 5 figures, 3 tables
RADIOlogy: A Single-Pass Approach to Training-Free Zero-Shot Anomaly Detection
机构 * Eindhoven University of Technology（埃因霍温理工大学）
AI总结 本研究提出无需训练的零样本异常检测技术RADIOlogy，利用视觉语言模型的多头注意力池化特性，通过对比评分实现单遍异常检测，性能优于同类基线，可经少量修改应用于医学领域。
Comments Accepted to WACV 2027. Code available at https://github.com/jacomof/RADIOlogy
VeriCUA: Verification as Agentic Exploration for Computer-Using Agents
机构 * Google（谷歌） ； The University of Hong Kong（香港大学）
AI总结 提出平台无关框架VeriCUA，通过智能体探索验证计算机使用智能体任务，提升与参考标签的一致性，增强对虚假完成声明的拒绝能力。
Comments Work in progress
Multi-View MoE: Letting Every Router Shape Expert Computation
多视图混合专家模型（Multi-View MoE）：让每个路由调整专家计算
机构 * ERNIE Team, Baidu（百度ERNIE团队）
AI总结 该研究针对稀疏 MoE 模型中专家选择与计算的问题，提出 Multi-View MoE，通过多路由聚合与偏好复用优化专家选择及计算，在 10B-A1B 模型上实现下游任务均值提升，同时增强路由与专家效用的秩相关性。
PIVOT: Progressive Intervention via Online Teacher Correction
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Chinese Information Processing Laboratory, Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所中文信息处理实验室） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉科学学院）
AI总结 提出PIVOT结合轨迹级干预与token级监督，在逻辑游戏等推理任务中使mean avg@8翻倍，性能优于现有方法。
Comments 19 pages, 9 figures, 6 tables. Project page: https://zhihaoyang30.github.io/PIVOT/
Every Token Needs Its Own Teacher: Multi-teacher Adaptive On-policy Self-distillation
机构 * TU München（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； relAI – Konrad Zuse School of Excellence in Reliable AI（relAI——康拉德·祖斯可靠人工智能卓越学院） ； Kyoto University（京都大学） ； NII LLMC（情报学研究所语言与媒体计算实验室） ； ELLIS Institute Finland（芬兰欧洲学习与智能系统研究所） ； Aalto University（阿尔托大学）
AI总结 本文针对现有在线自蒸馏方法未考虑同一响应内Token间教师偏好差异的问题，提出首个Token级自适应多教师在线自蒸馏方法MTA-OPSD，在Qwen3数学推理任务上较基础模型平均提升达+5.9。
Comments Preprint
Gym-Anything for Robotics: Scaling physical simulations with digital agents
面向机器人学的Gym-Anything：通过数字智能体扩展物理模拟
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究推出面向机器人学的Gym-Anything框架，利用编码智能体创建机器人模拟，构建含200个RL环境的RoboWorld基准，提出多种前沿模型改进方法，显著提升模型在测试任务中的性能。
Training Foundation Models with a Single Algorithm
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Aurora Innovation（奥罗拉创新公司）
AI总结 本研究提出将基础模型的预训练、SFT、RL等多阶段训练统一为单一的似然训练算法，构建了混合静态数据与RL生成数据的统一训练系统，可提升准确率-计算量权衡、任务覆盖及持续学习起点。
Comments 67 pages, 31 figures, 22 tables
Comparing Human Role-Players and LLM-Simulated Clients in Online Counselling Training: An Analysis of Counselling Patterns
在线咨询培训中人类角色扮演者与大语言模型模拟来访者的比较：咨询模式分析
机构 * Technische Hochschule Nürnberg Georg Simon Ohm（纽伦堡应用技术大学乔治·西蒙·欧姆分校）
AI总结 本研究对比人类与Mistral Mixtral 8x7b模拟来访者在咨询培训中的差异，分析咨询模式，发现大语言模型模拟来访者的角色扮演可提升咨询能力并为其优化提供方向。
Comments Published at EDM 2025 (18th International Conference on Educational Data Mining), short paper. 7 pages
Journal ref Proceedings of the 18th International Conference on Educational Data Mining (EDM 2025), short papers
FARMS: A Verifiable Foundation for Automated Computational Science
机构 * University of Maryland（马里兰大学） ； The University of Tennessee（田纳西大学）
AI总结 FARMS是将计算数学转化为AI可用知识的可验证基础，经171个数值计算目标测试，157个通过，成本可控，可支持可信自动化计算科学。
A Tutorial on Shape Servoing of Deformable Objects-Part I: Fundamentals
机构 * Instituto de Investigación en Ingeniería de Aragón (I3A), University of Zaragoza（萨拉戈萨大学 阿拉贡工程研究所） ； DEI, University of Bologna（博洛尼亚大学 电子、信息与工程系） ； Institut Pascal, Clermont Auvergne INP（克莱蒙奥弗涅国立综合理工学院 帕斯卡尔研究所）
AI总结 本教程第一部分介绍可变形物体形状伺服的基础，基于数据驱动估计变形雅可比矩阵，构建形状伺服回路并推导局部稳定性条件，通过平面仿真示例说明相关概念。
Comments Part I of a two-part tutorial. 9 pages, 5 figures. Code: https://github.com/nachocz/tutorial_on_shape_servoing_of_deformable_objects. Interactive demos: https://nachocz.github.io/tutorial_on_shape_servoing_of_deformable_objects/
Advancing Clinical Genomic Analysis with a Skill-Centred Agent
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Xinhua Hospital affiliated to Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属新华医院） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Chest Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属胸科医院）
AI总结 本研究开发了大型语言模型智能体ClinGeX，通过组合105种可执行技能推进临床基因组分析，在基准案例和人机协作研究中均显著提升了分析一致性并缩短了解读时间，为增强专家基因组解读提供了新方法。
Retrieval as Traversal: Value-Indexed Memory for Stateful Long-Context Agents
机构 * Technical University of Munich（慕尼黑工业大学） ； Nanjing University（南京大学）
AI总结 本研究针对长上下文智能体的检索问题，提出值索引记忆方法，通过局部遍历地址空间分离记忆内容与地址，在MiniGrid Memory实验中其训练效率优于高斯与分类绝对寻址。
Comments Accepted at the NeurIPS 2026 Workshop on Long-Context Foundation Models (LCFM). 7 pages, 1 table
