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。
#论文/研究
arXiv cs.LGAI 评分2020 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2020 不同假设下 MS/MS 谱图分子指纹预测的最近邻基线
针对 MS/MS 谱图预测分子指纹，最近邻检索已被证明是强基线，多种变体可匹敌或超越当前深度学习模型。该报告系统比较了在推理阶段假设可用信息不同的多种最近邻变体，展示这些假设如何影响性能，目标是建立更严格的基线以支持更严谨的基准测试并更好衡量该领域进展。
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.CLAI 评分2222 WakeKV：面向会改变读取行为的注意力头的响应式可逆 KV 驻留策略
WakeKV 是一种响应式 KV 驻留策略，将"冷却"的注意力头状态移入可恢复的 CPU 存储池，而非冻结或永久驱逐。研究在 1.5B-8B 三个模型、三种场景下测得多数注意力头在生成过程中至少改变一次读取行为，WakeKV 在匹配内存或预算下持续优于冻结分类与破坏性驱逐，并在 Mistral-7B 的 FlexiCache/vLLM 实现上验证了吞吐提升且保持 LongBench 质量。
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 stat.MLAI 评分1212 e-ATS：e-process 授权的 Thompson Sampling 何时可以离开锚点？
e-process-authorized Thompson sampling（e-ATS）为每个臂维护全历史和折扣 Beta 状态，由 anytime-valid e-process 先授权折扣状态、再用可逆相关性分数控制其影响，未获授权前完全遵循乐观 Thompson sampling（OTS）。
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 cs.CLAI 评分1717 多模态声明验证对 LLM 改写有多鲁棒？
研究测试了 11 个开源权重模型（覆盖 5 个 VLM 家族、2B 至 38B 参数）在多模态声明验证任务中对 LLM 改写的鲁棒性。结果显示多数模型准确率无显著下降，但概率出现一致性偏移：对冲类改写几乎在所有模型上引发显著偏移，增强类效果较弱，语法纠错等常规润色几乎无影响。
arXiv stat.MLAI 评分2929 AREX：面向 Flow Matching 少步采样的仿射残差指数积分器
AREX 是一种无需训练的采样器，可将预训练 Flow Matching 模型的采样动态分解为仿射分量与神经残差项，并用显式矩阵传播子对仿射部分做解析积分，仅对残差项做数值积分。在图像与文本到图像生成任务中，AREX 在少步采样下持续提升样本保真度，且无需重新训练底层模型。
arXiv cs.CVAI 评分3030 SCION：用实例化神经基元实现场景组合
SCION 是一种分层组合式场景表示，用可复用基元的紧凑词表加轻量级世界空间实例替代独立高斯，通过离散与连续场景参数的联合优化拟合多视图捕捉，在 1.2 MB 下仍保持高质量。它取得优于现有高斯压缩方法的率失真表现，并支持无需重训练的实例级场景编辑与动画，论文已被 NeurIPS 2026 接收。
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.CVAI 评分2222 FUSEye：用重叠视图与零初始化适配器实现轻量训练鱼眼检测
FUSEye 将冻结骨干的 COCO 预训练 YOLO26-x 转为鱼眼检测器，仅新增约 227k 参数，在 WoodScape 环视鱼眼基准上把 mAP50 从 0.148 提升至 0.266，并保留全量微调 84.3% 的精度。
arXiv cs.AIAI 评分3131 如何训练你的世界模型：基于 LM 的世界建模中微调与 RAG 的对比
一项研究在具身、网页导航和社交等五类环境中系统对比了微调与 RAG 两种基于 LM 的世界模型构建方式，发现微调在 20 个设置中的 15 个能让智能体获得更高奖励。RAG 方法数据效率更高，而微调则更受益于扩大经验采集规模。研究者还提出用反事实干预估计检索阶段错误率，并构建了参数化捕捉核心动态、结合检索记忆的混合世界模型系统。
arXiv cs.CVAI 评分2424 MeshQuery：用智能体做 UV 展开的接缝规划
MeshQuery 是一种免训练的智能体式自动 UV 展开方法，由 VLM 借助边选择工具规划符合艺术家习惯的接缝，并通过反馈循环迭代优化。在 Adobe Substance 3D 和 Toys4K 网格上，其生成的 chart 数量比最强基线少 2.9x/4.29x，接缝长度短 1.63x/1.7x，专业艺术家在 80.9% 的对比中更偏好其结果。
arXiv cs.AIAI 评分3737 开源 Laya 与托管 Jev 的 System-1 决策模型配对评测：LLM 智能体框架下的快速模型与缓慢证据
研究对开源 Laya 与托管 Jev 两个 System-1 决策模型在 11 个智能体决策点上做了配对评测，覆盖 7,283 个基础用例和 6,640 个鲁棒性变体。
arXiv cs.CVAI 评分2424 DAGS：对冻结图像 DiT 的解耦外观与几何引导，实现时序稳定的生成式渲染
DAGS 是一种轻量、无注意力机制的解耦外观与几何条件方案，可引导冻结的图像 DiT 生成高保真、高一致且可独立控制的渲染结果。它用两个小型卷积编码器逐帧计算条件特征，并以逐层逐元素的残差注入图像 token，避免注意力堆叠条件的二次开销。
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.AIAI 评分2222 如何实现敏感辩论：面向 AI 辩论的实例最优协议
研究者提出一种新的 AI 辩论协议，针对可稳定分解为子问题的问题类别，在正确性上实现最坏情况保证，并使双方辩手诚实作答成为占优策略均衡，而非 Stackelberg 均衡。该工作还证明了黑盒下界，表明新协议在实例层面最优，仅靠黑盒查询人类判断的任何协议都无法超越它。相关结论通过将稳定问题分解与查询复杂度中的分数块敏感度概念相关联而得到。
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.CVAI 评分2222 SymRegFlow：面向视频世界模型的对称正则化流匹配
SymRegFlow 是一个对称正则化流匹配框架，可在无新视角 RGB 真值监督的情况下，实现连续视角下的多视角一致视频生成。该方法通过几何变换将源视图转为带噪锚点，结合掩码双锚点监督与跨锚点去噪输出一致性来抑制锚点误差，并在仿射高斯代理下证明一致性正则化可恢复干净参考最优解。
arXiv cs.AIAI 评分3636 PlurPO：用多元偏好优化缓解大语言模型的社会性谄媚
针对大语言模型在个人建议场景中过度附和用户的社会性谄媚问题，研究者提出多元偏好优化（PlurPO）：模型先识别并模拟冲突中涉及的相关利益方，再被训练为偏好并生成各方都能接受的回复，全程无需真实标签。
arXiv cs.CVAI 评分2424 TRAC：面向高效自回归视频生成的轨迹感知复用与自适应校正框架
TRAC 是一个无需训练的自回归视频生成加速框架，通过鲁棒累积调度（RCS）、自回归轨迹感知引导调度（ATGS）和频谱结构校正（SSC）三个组件，解决分块去噪轨迹中近似误差累积传播的问题。在 SkyReels-V2 和 FramePack-F1 上的实验显示，TRAC 相比现有方法同时实现了最高的推理效率和最佳生成质量。
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。
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。
Microsoft ResearchAI 评分1818 微软亚洲研究院新加坡成立一周年：推进前沿 AI 研究、合作与人才培养
微软亚洲研究院新加坡（MSRA – Singapore）作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向推进工作。实验室与新加坡医疗生态伙伴合作探索多模态医疗 AI 和自进化诊断智能体，并联合 EDB 于 2026 年 2 月举办物流与运输 AI 高管圆桌会。
Microsoft Research精选AI 评分6262 微软研究：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软团队系统测量了机器人端侧与卸载推理的差异，并给出可复用的 Kubernetes 卸载工具链。
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 MindTopo 揭示多模态大模型的空间推理能力短板
Microsoft Research 推出 MindTopo 基准，用于评测多模态大模型在连通性、封闭、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示，模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，且整体远低于人类水平。图像与视频生成仅在单帧内保留拓扑关系时有用，跨多步操作仍不可靠。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化的 CUDA-to-MLX 翻译层把已有 CUDA 内核经验迁移到 Apple Silicon。
推荐理由：读者可以看到 CUDA 优化经验如何被结构化迁移到 Apple Silicon，以及翻译层对最终性能差距的具体影响。
Berkeley AI ResearchAI 评分3232 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，用受自编码器启发的信念评分（belief grading）奖励能重建最新观测的信念。在协作编程基准 CollabBench 上，ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 数也低于全上下文设置。
Berkeley AI ResearchAI 评分3131 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI Research 发布综述，梳理并行推理从固定结构走向自适应控制的研究进展，即让推理模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。
Berkeley AI ResearchAI 评分3131 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、直接向状态迭代加入随机性以探索、并重塑梯度避免高维视觉模型中的脆弱"状态-输入"梯度，使世界模型的长时程规划变得可行。现代世界模型长时程规划常因优化病态、非贪心结构导致的局部极小值和高维隐空间失败模式而脆弱。
Berkeley AI ResearchAI 评分3232 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。
Berkeley AI ResearchAI 评分3535 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI Research 提出基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化系统信息量，在彩色摄影、射电天文、无镜头成像和显微成像四个领域验证其能预测解码器性能。该方法优化出的设计可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需任务专用解码器。相关论文发表于 NeurIPS 2025。