SymCE：用逐定理符号验证器生成反例，SFT 模仿有害、强化学习可修复
研究者发布 SymCE，包含 4,707 道本科代数与实分析假猜想，每题配有可执行的逐定理 Python 验证器，验证器同时充当奖励函数。
#数据/训练
arXiv cs.CLAI 评分3333 arXiv stat.MLAI 评分1212 面向高斯过程隐变量模型的摊销结构化随机变分推理
研究将摊销结构化随机变分推理（Amortized Structured Stochastic Variational Inference）用于高斯过程隐变量模型，使隐空间的变分后验可条件依赖于诱导点取值，突破了原有诱导点与隐变量间平均场近似的限制。这一更灵活的变分后验在多项数据流形重建指标上取得提升。
arXiv cs.CLAI 评分2222 ConvoDrift：建模对话风格语调演变的多轮对话数据集
ConvoDrift 是一个用于建模固定语义意图下渐进式风格语调漂移的多轮对话数据集，基于 15,727 个共享多轮对话结构构建，每段对话含六组提示词-回复对并标注风格漂移与方向标签。
arXiv stat.MLAI 评分2424 Muon 为何学事实更好：光谱正交化如何重塑特征学习动态
研究通过可解析的事实回忆模型揭示，Muon 对应的 Spectral GF 将 subject 与 relation 依赖信息的学习时间比从 GF 的 Θ̃(√(S/R)) 降至 Θ̃(1)，且固定 S、R 时误差随训练时间 T 以 exp(-poly(T)) 衰减，而 GF 仅为 1/(T log T)。
arXiv stat.MLAI 评分2222 PrO-GPs：面向预测的高斯过程后验
研究者提出 Predictively Oriented Gaussian Processes（PrO-GPs），将预测不确定性作为首要推断目标，以应对核函数与观测模型选择不当导致的模型误配问题。由于非参数模型的 PrO 后验无法直接计算，作者推导出简化形式与实用采样方案以实现高效计算。合成与真实数据实验显示，在模型误配下 PrO-GPs 的预测分布校准优于标准 GP 方法。
arXiv stat.MLAI 评分2222 HOST：面向高效高斯 DAG 学习的留出评分算法
研究者提出 HOST，一种高效高斯 DAG 学习算法，用逐节点留出评分与凸回归替代子集搜索，且无需预先给定入度上界。在合适条件下，HOST 可在多项式时间内以 d log p 量级的样本复杂度精确恢复最大入度为 d 的 p 节点 DAG。实验显示其图恢复效果具竞争力，运行时间扩展性良好。
arXiv cs.LGAI 评分2222 CLEAN：通过架构隔离实现概念空间扩展下心理测量一致的增量认知诊断
研究提出增量认知诊断框架 CLEAN，通过严格拓扑二分协议冻结历史诊断函数，并用确定性正交列掩码切断梯度干扰，同时以可扩展满秩分支学习新概念。在三个大规模教育数据集上，CLEAN 实现零 Representation Drift（RD），旧题指标与静态锚点完全一致，新题表现与强持续学习基线相当或更优。
arXiv cs.CVAI 评分2727 EditHero：面向长程部件级 3D 编辑与 Vibe Modeling 的基准
研究者推出 EditHero，据称是首个面向长程、部件级 3D 编辑的基准，支持自然语言指令与几何、纹理的目标图像。其确定性装配引擎可在每次编辑后生成精确目标，每条序列均经人工审核。对比显示，非智能体方法常漏改并扰动应保持不变的区域，而 LLM/VLM 智能体通过代码自底向上编辑，指令遵循更好、更能保留未编辑部分，但每次编辑耗时数分钟。
arXiv stat.MLAI 评分1212 惰性二阶预言机下的近最优凸优化：新下界与匹配上界
针对每轮查询梯度、每 m 轮查询一次 Hessian 的惰性二阶预言机设定，研究者通过新的块零链构造证明了寻找 ε-解所需总迭代次数的下界为 Ω(m + m^{1/7} ε^{-2/7})，并提出新方法达到 Õ(m + m^{1/7} ε^{-2/7}) 的上界。
arXiv cs.AIAI 评分1212 THPL：面向 RAS 虹鳟投喂管理的视觉到语言决策支持框架
研究提出 THPL 生成式投喂决策框架，用于 RAS 虹鳟养殖：Fishsort 提取轨迹并建立活动系数 AC，与专家标注投喂强度呈显著单调正相关（Spearman ρ = 0.925，p < 0.001）。
arXiv cs.CVAI 评分2727 Physical AI Smart Spaces：面向智能空间多摄像头 3D 感知的大规模基准
Physical AI Smart Spaces 发布，这是首个同时提供大规模、多类别、多摄像头 3D 感知数据的室内智能空间基准，含近 1800 台摄像头拍摄的超 280 小时同步 1080p 视频，覆盖仓库、医院、零售等场景。
arXiv cs.AIAI 评分2222 强化学习优化核物理散射实验中的靶极化
研究提出一种结合代理模型与强化学习的控制框架，用于优化核物理实验中的动态极化靶。基于 APOLLO 低温靶系统运行数据，高斯过程回归模型能提供校准的不确定性估计并识别训练分布外区域，MLP 对分布偏移敏感性有限。采用下置信界奖励训练的强化学习智能体，将操作员操作效果提升近 2 倍。
arXiv cs.LGAI 评分2424 JEPA 训练动力学新理论：驱动与衰减之争，提出 ResidualPred 预测器
研究提出 JEPA 早期训练稳定性理论，将表征坍缩归因于驱动力 γ 与衰减效应 σ 的竞争，并预测出相边界，在超过 800 组 Tabular-JEPA 配置上得到验证。
arXiv stat.MLAI 评分2929 深度表格生成模型在多大训练规模下不再优于平凡基线？一项基于临床与标准数据集规模阶梯的预注册基准测试
一项预注册基准在 8 个公开数据集（200 至 20,000 训练行）和 4 个原生小型临床数据集上，对 CTGAN、TVAE、TabDDPM 等七种生成器进行了 2,220 次运行。在 24 个（数据集，深度模型）组合中有 23 个，深度模型在任何训练规模下都未超过最佳平凡基线。预注册预测的“小规模下深度模型排名不稳定”被证伪，相邻规模间平均 Kendall tau 为 0.806。
arXiv cs.LGAI 评分2424 LMOPD：字典序多目标同策略蒸馏
研究者提出 Lexicographic Multi-Objective On-Policy Distillation（LMOPD），一种按显式优先级整合奖励专精策略的多教师方法，通过字典序路由与对数策略修正投影保护高优先级能力。
arXiv stat.MLAI 评分1313 因果效应识别中的聚类操作不变性
因果图中对变量做任意聚类会改变变量间的因果关系并导致错误结论。研究提出一类基于原图 c-components 条件的聚类操作，在可识别性与不可识别性均被保留时称为识别不变，并给出实际场景中的应用演示。
arXiv stat.MLAI 评分1313 高维渐近理论与隐私迁移学习的数据集选择
研究提出一种基于高维回归与加权岭估计器的数据集选择方法，仅依赖汇总统计量即可判断外部数据能否改善预测，并给出在标签或特征与标签联合上的ρ-零集中差分隐私保证。其核心技术贡献是测试误差的确定性等价，刻画了样本量、协方差结构、模型偏移、正则化与隐私噪声之间的交互，可在不访问数据本身的情况下优化超参数并判断私有外部数据集是否有用。
arXiv cs.CLAI 评分2727 TPBench：面向对话压缩的转折点基准
研究者提出 TPBench，用于评估对话压缩中的"转折点驱逐"失败：压缩器可能保留事实却丢掉改变事实的那一轮对话。TPBench 在相同名义保留预算下评测三个信息目标，P1 为用户初始目标，P2 为用户修改后槽位的当前值，P3 为两者兼有，答案取自 MultiWOZ 与 SGD 的人工对话状态标注。
arXiv cs.LGAI 评分2020 Co-design Gym：面向具身与策略协同优化的统一基准
研究者推出 Co-design Gym，一套用于联合优化具身设计与控制策略的基准环境套件，覆盖机器人操作与运动、多机器人协作、软体动力学、电子游戏、电网、无线网络、F1 赛车、多智能体仓库和最优控制等领域，共 20 个环境族、超过 85 个协同设计预设。该工作还对代表性协同设计算法做了系统评测，刻画了当前 SOTA 水平。
arXiv cs.LGAI 评分2929 共享内存为何在 Looped Transformer 中出奇有效
研究者预训练了共享内存的 Looped Transformer（LPT），仅第一次递归写入 key-value cache，后续递归读取该缓存并保留自身短窗口，结果共享内存不但不损质量反而提升质量。
arXiv cs.LGAI 评分2929 LINEUP：将个性化与逐用户适配解耦，每个用户只需优化 8 个标量
LINEUP 将个性化能力与逐用户可训练状态解耦，每个目标用户只需优化 8 个标量，而对比的 private-LoRA 配置每用户需 419 万参数。该方法学习一组可复用的低秩个性化因子，通过用户条件召回与查询相关校准组合，并把目标用户适配限制在共享修正空间上的极小用户编码中。
arXiv cs.LGAI 评分2222 HEST：用熵训练的双曲探针实现稀疏激活引导
研究者提出 Hyperbolic Entropy Steering（HEST），将隐藏状态嵌入 Poincaré 球，用仅以模型自身 next-token 熵为标签的轻量探针，在熵超过阈值的 token 处沿测地线调整状态。
arXiv cs.CVAI 评分1212 4DFEID：4D 面部表情强度数据集发布
研究者构建了 4D 面部表情强度数据集 4DFEID，基于参数化人脸模型生成 2,869 条网格序列，并通过众包平台收集超过 90,000 条 Likert 量表主观强度评分。基线实验显示，时空图模型在片段强度估计上持续优于传统帧聚合方法。该数据集以动态 3D 刺激替代现有 2D 静态图像，为情感计算与人机交互中的表情强度感知研究提供资源。
arXiv cs.CLAI 评分2929 FinDialogLens：用多轮对话事件抽取识别金融聊天室中的漏单交易
FinDialogLens 是一个混合 LLM 流水线，通过多轮对话事件抽取识别金融聊天室中被遗漏的 RFQ 交易，用微调小模型检测 RFQ 触发消息与价格/成交结果，再由 RFQ-Level Module 切分事件窗口、Trade Engine 填充论元角色。
arXiv stat.MLAI 评分1313 ResTGP：面向高维数据的残差树高斯过程建模框架
研究者提出贝叶斯残差树高斯过程方法 ResTGP，用于处理多维域中具有异质结构的大规模空间数据。该方法沿二进树在多个分辨率上迭代分解预测过程与残差过程，实现灵活的多尺度协方差建模与分治计算，并基于递归消息传递的贝叶斯推断策略使计算量在给定树下随样本量线性增长。论文还证明了非参数回归框架下连续函数估计的后验一致性，数值实验与风暴潮应用验证了其优势。
arXiv cs.AIAI 评分3131 AI Risk Observatory：用 LLM 分析英国上市公司年报中的 AI 风险披露
研究用两阶段分类流水线处理 1,362 家英国上市公司 2020-2025 年的 9,821 份年报，发现提及 AI 风险的报告占比从 2.8% 升至 41.2%，AI 采用披露从 13.8% 升至 45.2%，供应商提及集中在以 Microsoft 为首的少数厂商。2025 年 41.2% 的报告提及 AI 风险，但仅 4.3% 属于实质性披露，危害披露全语料仅 7 份。
arXiv cs.LGAI 评分2020 固定目标异常检测器的收敛坍缩问题：用核锚定局部性正则化（KAR）缓解
研究揭示固定目标异常检测器存在"收敛坍缩"：优化越好、检测越差，因收敛后残差信号在异常与正常数据上同时消失。作者提出闭式、免训练、CPU 高效的 Kernel Contraction Matching（KCM），并在此基础上引入 Kernel-Anchored Regularizer（KAR），惩罚神经预测偏离训练目标的核加权平均。
arXiv cs.LGAI 评分1515 SSU-LSF：面向 Mamba 陆面预报非平稳偏差的状态空间遗忘框架
研究者提出 SSU-LSF，首个专为地理科学 Mamba 类状态空间模型打造的机器遗忘框架，用于消除陆面预报中非平稳干扰事件对状态转移矩阵的隐性偏差。
arXiv cs.AIAI 评分3131 FD-SCoPE：用可验证、反馈驱动的语言模型回答临床试验证据表问题
FD-SCoPE 是一个语言模型框架，可回答临床试验证据表上的两类问题，并公开查询语句、所选试验与推导规则，还能从专家纠正中学习。
arXiv cs.CLAI 评分2222 心理健康污名自动评估基准：LLM 常过度预测污名，除非给出明确操作规则
研究者提出一个基于理论的心理健康污名自动评估基准，包含真实网络新闻与社交媒体文本，并按污名模式、领域及具体成分进行细粒度标注，覆盖六种心理健康状况。结果显示，检测情感、毒性和仇恨言论的模型无法很好捕捉心理健康污名，LLM 在缺乏明确操作规则时往往过度预测污名。基准的公开部分、标注、典型示例与代码已发布。
NVIDIA BlogAI 评分1717 NVIDIA AI 工厂如何实现高投资回报：高产出、长寿命、通用性
NVIDIA 提出 AI 工厂投资回报取决于三个因素：每兆瓦产出能力、硬件使用寿命和 token 需求。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。
NVIDIA BlogAI 评分1212 NVIDIA 开放 2027–2028 研究生奖学金申请，最高 6 万美元
NVIDIA 第 26 届研究生奖学金项目面向全球开放申请，聚焦 AI、机器学习、自动驾驶、计算机图形、机器人、医疗和高性能计算等领域，每位学生最高可获 6 万美元。
Microsoft ResearchAI 评分3131 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院开发了一套端到端机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报及变电站所在地的纬度与地质电导率数据，为美国本土 66,935 座变电站生成 30-60 分钟前的空间天气风险预估。
Google DeepMind精选AI 评分6262 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入水印
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使其在数字模型和合成出的实体蛋白质上均可验证，同时实验室测试显示不损害生物功能。
推荐理由：DeepMind 把水印从数字内容扩展到合成生物，读者可了解其如何在不影响蛋白功能的前提下嵌入可验证信号。
Microsoft Research精选AI 评分6565 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据训练的生物世界模型与连接科学工具、文献和湿实验的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。
NVIDIA Blog精选AI 评分6262 NVIDIA 联合 Google DeepMind 等开放 2800 多种病毒的蛋白复合物结构数据集
NVIDIA 加入由 Google DeepMind、EMBL-EBI 等组成的全球研究联盟，通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构，供任何科学家免费使用。
推荐理由：NVIDIA 联合 Google DeepMind 等机构开放 2800 多种病毒的蛋白复合物预测结构，读者可了解开放科学在疫情准备中的具体做法。
Microsoft ResearchAI 评分4141 微软研究院在 Nature 发布逆合成模型 RetroChimera，并开源实现与权重
微软研究院在 Nature 发表逆合成预测框架 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式重排序整合两者互补预测，在盲测中化学家对其单步反应预测的偏好超过此前模型与文献反应。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单碱基变异预测
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 倍以上。
推荐理由：AlphaGenome Atlas 把 90 亿个单碱基变异的预测结果做成可检索资源，读者可了解基因组变异解读的规模化路径。
Microsoft ResearchAI 评分4141 微软推出 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向人群级发现
微软发布 GigaPath-Flash 和 GigaTIME-Flash 两个高效病理基础模型，均采用从十亿参数 GigaPath 编码器蒸馏出的 22M 参数 ViT-S 骨干，并以 Apache 2.0 许可开源。
Microsoft ResearchAI 评分3838 微软 Skala 1.1 发布：训练数据增至 2.5 倍，并集成进 CP2K 等主流 DFT 软件
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 基准 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时推出持续追踪各版本计算性能的 living benchmark。