机器学习每日论文速递[20260608]

AI 总结：针对奇异模型参数空间与模型空间非一一对应导致收敛慢的问题，提出相对重参数化方法提取正则子模型，并在高斯混合模型和神经网络上理论分析梯度下降收敛率。

链接：https://arxiv.org/abs/2206.08598

作者：Pascal Mattia Esser, Frank Nielsen

AI 总结：提出Hermes技术，利用感知器预测片外负载请求，投机性地直接从主存获取数据，同时并行访问缓存层次，从而消除片外负载关键路径上的片上缓存访问延迟，显著提升处理器性能。

链接：https://arxiv.org/abs/2209.00188

作者：Rahul Bera, Konstantinos Kanellopoulos, Shankar Balachandran, David Novo, Ataberk Olgun, Mohammad Sadrosadati, Onur Mutlu

AI 总结：提出可解释性约束问卷分解（ICQF），一种非负矩阵分解方法，通过正则化提高因子可解释性和稳定性，并自动检测潜在维度，在真实数据中优于现有方法。

链接：https://arxiv.org/abs/2312.07762

作者：Ka Chun Lam, Bridget W Mahony, Armin Raznahan, Francisco Pereira

AI 总结：提出Twin方法，利用同质网络的边界最大化动态和训练-测试损失间的经验缩放定律，实现无需验证集的学习率和权重衰减调优，在37个图像分类配置上达到与Oracle基线1.28%的平均绝对误差。

链接：https://arxiv.org/abs/2403.05532

作者：Lorenzo Brigato, Stavroula Mougiakakou

AI 总结：提出首个针对表格数据的渐进式神经架构搜索方法pTNAS，采用过滤-精炼优化策略，结合零成本代理和固定预算调度算法，实现架构快速识别与性能持续提升，相比其他NAS方法加速高达82.75倍。

链接：https://arxiv.org/abs/2403.10318

作者：Naili Xing, Shaofeng Cai, Lingze Zeng, Jiaqi Zhu, Peng Lu, Jian Pei, Beng Chin Ooi

AI 总结：提出Rashomon分区集(RPS)贝叶斯框架，通过枚举后验密度接近最大后验模型的所有模型来量化模型不确定性，实现稳健的异质性估计。

链接：https://arxiv.org/abs/2404.02141

作者：Aparajithan Venkateswaran, Anirudh Sankar, Arun G. Chandrasekhar, Tyler H. McCormick

AI 总结：提出首个框架，通过凸松弛过度近似参数更新集，为梯度下降训练的模型提供针对无目标、有目标投毒和后门攻击的可证明鲁棒性保证。

链接：https://arxiv.org/abs/2406.05670

作者：Philip Sosnin, Mark N. Müller, Maximilian Baader, Calvin Tsay, Matthew Wicker

AI 总结：提出 AdaGrad、RMSProp 和 Adam 的连续时间积分微分方程模型，通过数值模拟和稳定性分析验证其与离散算法的一致性，为自适应优化方法提供新视角。

链接：https://arxiv.org/abs/2411.09734

作者：Carlos Heredia

AI 总结：本文分析近似机器遗忘的效用、时间和空间复杂度权衡，提出输出扰动的经验风险最小化实现分布内遗忘的紧致权衡，并针对分布外遗忘提出鲁棒噪声梯度下降变体以摊销时间复杂性。

链接：https://arxiv.org/abs/2412.09119

作者：Youssef Allouah, Joshua Kazdan, Rachid Guerraoui, Sanmi Koyejo

AI 总结：提出PolarQuant方法，通过将键向量分组为二维子向量并编码为量化半径和极角，解决键缓存量化中的异常值问题，同时通过查表加速解码，保持全精度模型性能。

链接：https://arxiv.org/abs/2502.00527

作者：Songhao Wu, Ang Lv, Xiao Feng, Yufei Zhang, Xun Zhang, Guojun Yin, Wei Lin, Rui Yan

AI 总结：本文主张将因果方法集成到机器学习中，以平衡公平性、隐私、鲁棒性、准确性和可解释性等可信原则之间的权衡，并探讨其在基础模型中的实际应用。

链接：https://arxiv.org/abs/2502.21123

作者：Ruta Binkyte, Ivaxi Sheth, Zhijing Jin, Mohammad Havaei, Bernhard Schölkopf, Mario Fritz

AI 总结：提出首个通用主动防御框架ADAGE，通过监控查询多样性并逐步扰动输出，有效阻止多种GNN模型窃取攻击，同时保持下游任务性能。

链接：https://arxiv.org/abs/2503.00065

作者：Jing Xu, Franziska Boenisch, Adam Dziedzic

AI 总结：提出一种序列条件评论家，用轻量Transformer建模轨迹上下文并聚合N步目标训练，在不使用重要性采样下增强评论家对长时域和稀疏奖励问题的时序建模能力。

链接：https://arxiv.org/abs/2503.03660

作者：Dong Tian, Onur Celik, Gerhard Neumann

AI 总结：针对RLHF和偏好优化方法假设单一目标的问题，提出多目标偏好优化框架MOPO，通过约束KL散度最大化主要目标并保障次要目标下限，在合成基准和人类偏好数据上实现帕累托最优策略。

链接：https://arxiv.org/abs/2505.10892

作者：Akhil Agnihotri, Rahul Jain, Deepak Ramachandran, Zheng Wen

AI 总结：针对持续学习中顺序遗忘请求的挑战，提出基于解析方法的持续遗忘（ACU），通过最小二乘递归推导闭式解，实现高效精确的遗忘，保护历史数据隐私。

链接：https://arxiv.org/abs/2505.12239

作者：Yajiang Huang, Jianheng Tang, Kejia Fan, Huiping Zhuang, Anfeng Liu, Tian Wang, Yunhuai Liu, Mianxiong Dong, Houbing Herbert Song

AI 总结：提出LGKDE框架，通过图神经网络表示图分布并利用最大均值差异学习多尺度核密度估计，在理论保证下有效捕获结构模式和语义变化，在图异常检测任务中优于现有方法。

链接：https://arxiv.org/abs/2505.21285

作者：Xudong Wang, Ziheng Sun, Chris Ding, Jicong Fan

AI 总结：本文研究过参数化网络中梯度下降的隐式正则化，证明学习率在低范数与低锐度之间插值，且单一偏差不足以解释泛化，需考虑动态权衡。

链接：https://arxiv.org/abs/2505.21423

作者：Maria Matveev, Vit Fojtik, Hung-Hsu Chou, Gitta Kutyniok, Johannes Maly

AI 总结：提出一种基于条件风险阈值的成对排序弃权方法，理论刻画最优策略，设计模型无关的插件算法，实验验证有效性。

链接：https://arxiv.org/abs/2505.23437

作者：Antonio Ferrara, Andrea Pugnana, Francesco Bonchi, Salvatore Ruggieri

AI 总结：提出MoDA调制适配器，通过指令引导的通道级乘法调制增强细粒度视觉定位，在12个基准上对三种MLLM架构取得一致提升，计算开销极小。

链接：https://arxiv.org/abs/2506.01850

作者：Wayner Barrios, Andrés Villa, Juan León Alcázar, SouYoung Jin, Bernard Ghanem

AI 总结：提出TReconLM解码器仅变换器，将迹重建视为下一个标记预测任务，在合成和真实数据上预训练和微调，显著优于现有算法。

链接：https://arxiv.org/abs/2507.12927

作者：Franziska Weindel, Michael Girsch, Reinhard Heckel

AI 总结：提出模型回收框架，在无源数据情况下，通过识别相关源模型子集实现白盒和黑盒设置下的参数高效迁移学习，支持多源无数据监督迁移学习。

链接：https://arxiv.org/abs/2508.02039

作者：Sijia Wang, Ricardo Henao

AI 总结：本文通过理论框架和GPT-2实验，揭示softmax归一化导致注意力随选择token数增加而趋于均匀，并分析低温度下梯度敏感性带来的训练挑战。

链接：https://arxiv.org/abs/2508.17821

作者：Timur Mudarisov, Mikhail Burtsev, Tatiana Petrova, Radu State

AI 总结：针对大语言模型遗忘中采样策略的不足，提出模块化实体级遗忘（MELU）策略，通过多样化邻居集和模块化采样平衡遗忘效果与模型效用。

链接：https://arxiv.org/abs/2509.05316

作者：Praveen Bushipaka, Lucia Passaro, Tommaso Cucinotta

AI 总结：研究证据顺序对基于Transformer的二元裁决模型的影响，提出QMV界和EDFL定律，通过信息充分率门控实现低幻觉率下的答案/弃权决策。

链接：https://arxiv.org/abs/2509.11208

作者：Leon Chlon, Ahmed Karim, Maggie Chlon, MarcAntonio Awada

AI 总结：提出MVCL-DAF++，通过原型感知对比对齐和由粗到细注意力融合，在MIntRec和MIntRec2.0上提升多模态意图识别，尤其改善稀有类识别。

链接：https://arxiv.org/abs/2509.17446

作者：Haofeng Huang, Yifei Han, Long Zhang, Bin Li, Yangfan He, Yaxin Xue

AI 总结：本文通过紧凑变分自编码器潜在空间和纯Transformer架构，研究了生成对抗网络的可扩展性，并提出了轻量级中间监督和宽度自适应学习率调整来解决缩放时的失败模式，在ImageNet-256上以40个epoch达到2.96的FID。

链接：https://arxiv.org/abs/2509.24935

作者：Sangeek Hyun, MinKyu Lee, Jae-Pil Heo

AI 总结：提出时空解耦自编码器（STDAE），通过跨模态重建预训练从主线数据恢复匝道流量，结合GWNet等模型提升预测精度，在真实数据集上超越13个基线。

链接：https://arxiv.org/abs/2510.03381

作者：Yongchao Li, Jun Chen, Zhuoxuan Li, Chao Gao, Yang Li, Chu Zhang, Changyin Dong

AI 总结：提出SWE-IF基准，通过可验证指令分类法VeriCode评估代码指令遵循能力，发现指令遵循是区分LLM代码质量的关键，与功能正确性结合更能匹配人类偏好。

链接：https://arxiv.org/abs/2510.07315

作者：Ming Zhong, Xiang Zhou, Ting-Yun Chang, Qingze Wang, Nan Xu, Xiance Si, Dan Garrette, Shyam Upadhyay, Jeremiah Liu, Jiawei Han, Benoit Schillings, Jiao Sun

AI 总结：针对深度强化学习在自动驾驶中易受对抗攻击的问题，提出智能一般和约束对抗强化学习（IGCARL），通过战略性目标对手和鲁棒驾驶代理的交互训练，在约束优化下提升策略稳定性，实验表明成功率比现有方法提高至少27.9%。

链接：https://arxiv.org/abs/2510.09041

作者：Junchao Fan, Qi Wei, Ruichen Zhang, Yang Lu, Jianhua Wang, Xiaolin Chang, Bo Ai

AI 总结：提出PolyConFM基础模型，通过构象中心生成预训练（条件生成、掩码自回归建模和方向变换）来建模线性聚合物，在多种下游任务中优于现有方法。

链接：https://arxiv.org/abs/2510.16023

作者：Fanmeng Wang, Ruochao Wang, Shan Mei, Wentao Guo, Hongshuai Wang, Qi Ou, Zhifeng Gao, Hongteng Xu

AI 总结：提出LoRA-DA，通过渐近分析优化低秩自适应初始化，结合Fisher梯度与Fisher信息最小化参数偏差，提升微调准确率与收敛稳定性。

链接：https://arxiv.org/abs/2510.24561

作者：Qingyue Zhang, Chang Chu, Tianren Peng, Qi Li, Xiangyang Luo, Zhihao Jiang, Shao-Lun Huang

AI 总结：本文指出评估机器遗忘算法时仅使用单个训练种子可能导致结果不具代表性，并通过图像分类、联邦学习排序和大语言模型实验验证了问题普遍性，最后给出选择训练和遗忘种子数量的指导。

链接：https://arxiv.org/abs/2510.26714

作者：Jamie Lanyon, Axel Finke, Petros Andreou, Georgina Cosma

AI 总结：提出基于世界建模的智能体框架WM-MS3M，通过生成式状态空间实现6G网络近实时反事实推理与资源分配，在O-RAN数据上降低预测误差并加速推理。

链接：https://arxiv.org/abs/2511.02748

作者：Farhad Rezazadeh, Amir Ashtari Gargari, Hatim Chergui, Sandra Lagen, Merouane Debbah, Houbing Song, Lingjia Liu

AI 总结：提出一种基于神经网络的全数据驱动互信息估计器MIST，在大规模合成数据集上训练，采用二维注意力机制处理变长样本，并通过分位数回归量化不确定性，实验表明其性能优于传统方法且推理速度快。

链接：https://arxiv.org/abs/2511.18945

作者：German Gritsai, Megan Richards, Maxime Méloux, Kyunghyun Cho, Maxime Peyrard

AI 总结：提出利用类别相似性改进保形预测的方法，通过惩罚组外错误或利用嵌入信息，减少预测集大小并提升语义一致性。

链接：https://arxiv.org/abs/2511.19359

作者：Ariel Fargion, Lahav Dabah, Tom Tirer

AI 总结：提出定向进化模型(DEM)，模拟生物定向进化试错过程，结合回放缓冲和连续反向传播，在跨域神经预测中提升泛化能力并解决标签稀缺问题。

链接：https://arxiv.org/abs/2512.01362

作者：Yanlin Wang, Nancy M Young, Patrick C M Wong

AI 总结：提出RSA2C算法，利用RKHS-SHAP计算状态属性，通过马氏门控权重调节Actor梯度和Advantage Critic目标，实现高效、稳定且可解释的强化学习。

链接：https://arxiv.org/abs/2512.05291

作者：Na Li, Hangguan Shan, Wei Ni, Wenjie Zhang, Xinyu Li

AI 总结：提出GS-KAN，通过每层共享单一父函数的线性变换构造边函数，在保持参数高效的同时，在函数逼近、表格回归和图像分类任务上优于或媲美现有KAN和MLP。

链接：https://arxiv.org/abs/2512.09084

作者：Oscar Eliasson

AI 总结：针对CLIP在零样本分类中对抗攻击脆弱且不确定性校准差的问题，提出基于狄利克雷分布重参数化的对抗微调目标，统一对齐语义结构与置信度，提升校准性和鲁棒性。

链接：https://arxiv.org/abs/2512.12997

作者：Wenjing Lu, Zerui Tao, Yuning Qiu, Dongping Zhang, Yang Yang, Qibin Zhao

AI 总结：提出AutoTool框架，通过双阶段优化（SFT+RL轨迹稳定化和KL正则化Plackett-Luce排序）使大语言模型具备动态工具选择能力，在数学、科学、代码和多模态推理等任务上平均提升6.4%-7.7%。

链接：https://arxiv.org/abs/2512.13278

作者：Jiaru Zou, Ling Yang, Yunzhe Qi, Sirui Chen, Mengting Ai, Ke Shen, Jingrui He, Mengdi Wang

AI 总结：提出RePo机制，通过可微分模块重新分配token位置以减轻注意力层负担，在噪声上下文、结构化数据和长上下文任务上持续提升性能。

链接：https://arxiv.org/abs/2512.14391

作者：Huayang Li, Tianyu Zhao, Deng Cai, Richard Sproat

AI 总结：通过分析两层ReLU去噪自编码器，证明记忆化导致局部尖峰表示，而泛化产生平衡表示，并在真实扩散模型中验证，提出基于表示的检测和编辑方法。

链接：https://arxiv.org/abs/2512.20963

作者：Zekai Zhang, Xiao Li, Xiang Li, Lianghe Shi, Meng Wu, Molei Tao, Qing Qu

AI 总结：本研究提出通过紧凑语言模型作为具身物理人工智能，利用基于物理模拟器验证的策略优化替代感知推理，在核反应堆控制任务中实现领域特定基础模型，并展示了规模扩展带来的可靠性提升和策略集中化行为。

链接：https://arxiv.org/abs/2512.23292

作者：Yoon Pyo Lee, Samrendra Roy, Kazuma Kobayashi, Sajedul Talukder, Diab Abueidda, Seid Koric, Souvik Chakraborty, Syed Bahauddin Alam

AI 总结：针对潜在扩散模型逆问题求解器的不稳定性，提出测量一致朗之万校正器（MCLC），通过测量一致的朗之万更新缩小求解器与稳定反向扩散之间的差距，实现稳定可靠的潜在空间求解。

链接：https://arxiv.org/abs/2601.04791

作者：Lee Hyoseok, Sohwi Lim, Eunju Cha, Tae-Hyun Oh

AI 总结：提出AdaJudge框架，通过门控精化块和自适应多视角池化模块，联合优化表示与聚合，解决奖励建模中静态归纳偏差和表示不匹配问题，在RM-Bench和JudgeBench上超越现有模型。

链接：https://arxiv.org/abs/2601.08097

作者：Yongliang Miao, Yangyang Liang, Mengnan Du

AI 总结：提出一种后Transformer的量子启发状态空间张量网络LiQSS，用线性复杂度结构状态空间核替代自注意力，结合张量训练分解和轻量门控，在6G O-RAN近实时KPI预测中实现参数减少155倍、推理加速2.74倍且不损失精度。

链接：https://arxiv.org/abs/2601.12375

作者：Farhad Rezazadeh, Hatim Chergui, Amir Ashtari Gargari, Mehdi Bennis, Houbing Song, Lingjia Liu, Merouane Debbah

AI 总结：提出E2Former-V2架构，通过等变轴对齐稀疏化（EAAS）和即时等变注意力机制，利用SO(3)到SO(2)基变换和自定义Triton内核，实现线性激活内存和20倍TFLOPS提升，在SPICE和OMol25数据集上加速推理并保持预测性能。

链接：https://arxiv.org/abs/2601.16622

作者：Lin Huang, Chengxiang Huang, Ziang Wang, Yiyue Du, Chu Wang, Haocheng Lu, Yunyang Li, Xiaoli Liu, Arthur Jiang, Jia Zhang

AI 总结：提出JitRL框架，通过动态非参数记忆和即时优势估计，无需梯度更新即可实现LLM智能体的测试时策略优化，在WebArena和Jericho上达到训练无关方法最优，且性能超越微调方法，成本降低30倍以上。

链接：https://arxiv.org/abs/2601.18510

作者：Yibo Li, Zijie Lin, Ailin Deng, Xuan Zhang, Yufei He, Shuo Ji, Tri Cao, Bryan Hooi

AI 总结：证明在有限度和有限精度约束下，图神经网络能通过训练多层感知机集成学习局部指令，从而在推理时无误差执行完整图算法，并展示了在分布式计算LOCAL模型及多种经典算法上的可学习性。

链接：https://arxiv.org/abs/2601.23207

作者：Muhammad Fetrat Qharabagh, Artur Back de Luca, George Giapitzakis, Kimon Fountoulakis

AI 总结：提出ORA预训练目标，联合建模事件时间和关联测量，相比下一词预测和忽略连续测量的损失，在多个数据集和下游任务上产生更通用的表示，提升回归和时间到事件预测能力。

链接：https://arxiv.org/abs/2602.00541

作者：Zilin Jing, Vincent Jeanselme, Yuta Kobayashi, Simon A. Lee, Chao Pang, Aparajita Kashyap, Yanwei Li, Xinzhuo Jiang, Shalmali Joshi

AI 总结：提出信息论框架连接量子学习算法的稳定性、隐私与泛化，证明量子差分隐私可直接导出泛化保证，并发现量子非正交性使信息论可容许性与隐私兼容。

链接：https://arxiv.org/abs/2602.01177

作者：Ayanava Dasgupta, Naqueeb Ahmad Warsi, Masahito Hayashi

AI 总结：提出MACD方法，利用视频语言模型自身反馈识别导致幻觉的目标区域，生成目标级反事实输入，结合对比解码减少幻觉，提升多模型在复杂场景下的准确性。

链接：https://arxiv.org/abs/2602.01740

作者：Qixin Xiao, Kun Zhou

AI 总结：提出OpticalDNA框架，将DNA渲染为视觉布局，利用视觉语言模型进行OCR式基因组理解，实现高保真压缩和长序列高效处理，在450k碱基序列上以近20倍更少有效token超越基线模型。

链接：https://arxiv.org/abs/2602.02014

作者：Hongxin Xiang, Pengsen Ma, Yunkang Cao, Di Yu, Haowen Chen, Xinyu Yang, Xiangxiang Zeng

AI 总结：研究扩散语言模型（DLM）与自回归（AR）模型在拒绝有害生成行为上的差异，发现扩散重掩码机制可促进恢复，提出逐步拒绝内部动态（SRI）信号，并基于此构建无需修改推理的越狱检测器。

链接：https://arxiv.org/abs/2602.02600

作者：Eliron Rahimi, Elad Hirshel, Rom Himelstein, Amit LeVi, Avi Mendelson, Chaim Baskin

AI 总结：将成员推断攻击评估视为因果推断问题，定义记忆化为包含数据点的因果效应，提出多轮、单轮和零轮设置下的实用估计器并验证其有效性。

链接：https://arxiv.org/abs/2602.02819

作者：Mathieu Even, Clément Berenfeld, Linus Bleistein, Tudor Cebere, Julie Josse, Aurélien Bellet

AI 总结：提出将合成数据生成视为引导测试生成问题，结合生成对抗网络（GAN）的判别器和模糊测试生成器，在保护隐私的同时生成高可用性合成数据。

链接：https://arxiv.org/abs/2602.05833

作者：Laura Plein, Alexi Turcotte, Arina Hallemans, Andreas Zeller

AI 总结：提出一种将训练好的Transformer忠实重参数化为RASP程序，并通过因果干预发现小型充分子程序的方法，实验表明长度泛化的Transformer内部实现了简单可解释的RASP程序。

链接：https://arxiv.org/abs/2602.08857

作者：Xinting Huang, Aleksandra Bakalova, Satwik Bhattamishra, William Merrill, Michael Hahn

AI 总结：提出SERNF框架，结合归一化流策略和动作块评论家，实现真实世界灵巧操作策略的样本高效微调，解决多模态动作分布和信用分配问题。

链接：https://arxiv.org/abs/2602.09580

作者：Chenyu Yang, Denis Tarasov, Davide Liconti, Romain Guntz, Hehui Zheng, Robert K. Katzschmann

AI 总结：针对块扩散LLM长上下文推理中KV缓存导致的内存瓶颈，提出无训练方法MAGE，利用块扩散训练目标的对齐特性，在第一步确定整个轨迹的KV子集，实现近无损精度和显著加速。

链接：https://arxiv.org/abs/2602.14209

作者：Omin Kwon, Yeonjae Kim, Doyeon Kim, Minseo Kim, Yeonhong Park, Jae W. Lee

AI 总结：提出TokaMind，首个开源托卡马克等离子体动力学基础模型，基于多模态Transformer在MAST数据集上预训练，支持多种数据模态和缺失信号处理，在14个任务上优于基线。

链接：https://arxiv.org/abs/2602.15084

作者：Tobia Boschi, Andrea Loreti, Nicola C. Amorisco, Rodrigo H. Ordonez-Hurtado, Cécile Rousseau, George K. Holt, Eszter Székely, Alexander Whittle, Samuel Jackson, Adriano Agnello, Stanislas Pamela, Alessandra Pascale, Robert Akers, Juan Bernabe Moreno, Vassil Alexandrov, Mykhaylo Zayats

AI 总结：本文主张时间序列建模需引入动力系统视角，通过重构底层DS实现更优预测，并讨论其理论优势与具体建议。

链接：https://arxiv.org/abs/2602.16864

作者：Daniel Durstewitz, Christoph Jürgen Hemmer, Florian Hess, Charlotte Ricarda Doll, Lukas Eisenmann

AI 总结：提出TRUE框架，通过可执行推理验证、可行域DAG建模和因果故障模式分析，为LLM推理提供实例级、局部结构级和类别级的多层次可验证解释。

链接：https://arxiv.org/abs/2602.18905

作者：Yujiao Yang

AI 总结：提出TimeGS框架，将时间序列预测转化为2D高斯泼溅生成渲染，通过各向异性高斯核和连续光栅化解决周期内与周期间的建模问题，实现SOTA性能。

链接：https://arxiv.org/abs/2603.02220

作者：Yixin Wang, Yifan Hu, Peiyuan Liu, Naiqi Li, Tao Dai, Shu-Tao Xia

AI 总结：提出LAGO框架，通过自适应竞争机制耦合贝叶斯优化和基于梯度的信赖域局部细化，用于光滑且梯度可用的昂贵目标函数优化，在提议层面分离全局探索与局部细化。

链接：https://arxiv.org/abs/2603.02970

作者：Eliott Van Dieren, Tommaso Vanzan, Fabio Nobile

AI 总结：提出一种无监督CNN自编码器，结合加权光谱角距离损失，用于解混ATR-μFTIR高光谱图像，自动估计端元光谱和丰度图，在污染区域提升可解释性。

链接：https://arxiv.org/abs/2603.06673

作者：Shivam Pande, Nicolas Nadisic, Francisco Mederos-Henry, Aleksandra Pizurica

AI 总结：提出字节级分词方案Trilobyte，将词汇量从指数级降至常数级，首次实现24位音频的LM无损压缩，并在8位和16位下超越FLAC。

链接：https://arxiv.org/abs/2603.08683

作者：Phillip Long, Zachary Novack, Chris Donahue

AI 总结：提出OpenACMv2框架，通过两级优化（架构搜索和晶体管尺寸调整）实现精度约束下数字存内计算的功耗-性能-面积权衡，实验显示功耗延迟积降低50%以上。

链接：https://arxiv.org/abs/2603.13042

作者：Yiqi Zhou, Yue Yuan, Yikai Wang, Bohao Liu, Qinxin Mei, Zhuohua Liu, Shan Shen, Wei Xing, Daying Sun, Li Li, Guozhu Liu

AI 总结：针对电路多角分析中仿真成本高且现有方法需大量调参的问题，提出基于预训练基础模型的上下文学习方法，无需调优即可匹配最先进精度，将验证成本降低10倍以上。

链接：https://arxiv.org/abs/2603.13092

作者：Wei W. Xing, Kaiqi Huang, Jiazhan Liu, Hong Qiu, Shan Shen

AI 总结：提出Aumann-SHAP框架，通过局部超立方体网格分解反事实转移，利用微博弈Shapley和LES值实现几何感知归因，在合成数据上纠正了等分Shapley的偏差，在真实数据上修正了符号错误并提高了编辑效率。

链接：https://arxiv.org/abs/2603.14014

作者：Adam Belahcen, Stéphane Mussard

AI 总结：通过约束随机游走实验，发现解码器仅Transformer的第一注意力块提取预测充分统计量，后续层将其转化为预测几何，形成可读的世界模型，而循环网络未分离此阶段。

链接：https://arxiv.org/abs/2603.16689

作者：Sasha Brenner, Thomas R. Knösche, Nico Scherf

AI 总结：提出D5P4波束解码方法，利用分区行列式点过程在离散扩散模型中选择中间序列，平衡质量与多样性，无需外部验证器。

链接：https://arxiv.org/abs/2603.19146

作者：Jonathan Lys, Vincent Gripon, Axel Marmoret, Lukas Mauch, Fabien Cardinaux, Ghouthi Boukli Hacene, Bastien Pasdeloup

AI 总结：提出多智能体框架，结合领域专家智能体与两阶段验证及S分数加权融合，在医学MCQA中显著降低校准误差并提升判别能力。

链接：https://arxiv.org/abs/2603.24481

作者：John Ray B. Martinez

AI 总结：针对大型模型生态中ML开发效率低的问题，提出标准化模型模板（SMT）框架，将技术传播复杂度从O(n·2^k)降至O(n+k)，在Meta广告排名系统中实现交叉熵提升0.63%、迭代时间减少92%、技术-模型对采用吞吐量提升6.3倍。

链接：https://arxiv.org/abs/2603.24963

作者：Jiang Liu, John Martabano Landy, Yao Xuan, Swamy Muddu, Nhat Le, Munaf Sahaf, Luc Kien Hang, Rupinder Khandpour, Kevin De Angeli, Chang Yang, Shouyuan Chen, Shiblee Sadik, Anirudh Agrawal, Djordje Gligorijevic, Jingzheng Qin, Peggy Yao, Alireza Vahdatpour

AI 总结：提出U-Balance方法，利用行为不确定性对CPS时间序列数据进行标签重平衡，通过GatedMLP预测不确定性并概率性重标异常安全样本，在无人机基准上F1达0.806，优于基线14.3个百分点。

链接：https://arxiv.org/abs/2603.25670

作者：John Ayotunde, Qinghua Xu, Guancheng Wang, Lionel C. Briand

AI 总结：针对大语言模型内在欺骗问题，提出稳定性不对称正则化（SAR），通过惩罚内部思维链稳定性与外部响应稳定性之间的不对称性来抑制欺骗，实验证明其有效性且不损害模型能力。

链接：https://arxiv.org/abs/2603.26846

作者：Guoxi Zhang, Jiawei Chen, Tianzhuo Yang, Lang Qin, Juntao Dai, Yaodong Yang, Jingwei Yi

AI 总结：针对条件流匹配（CFM）在粒子物理模拟中损失函数过早收敛的问题，提出ScatterPrism生成代理模型，结合物理信息指标确保真实运动学保真度，并推广至高能物理等领域。

链接：https://arxiv.org/abs/2604.01313

作者：Zeyu Xia, Tyler Kim, Trevor Reed, Judy Fox, Geoffrey Fox, Adam Szczepaniak

AI 总结：通过将凸高斯极小极大定理推广到非高斯数据，刻画了高维经验风险最小化估计量的渐近分布，揭示了高斯普适性的适用范围与局限。

链接：https://arxiv.org/abs/2604.03146

作者：Chiheb Yaakoubi, Cosme Louart, Malik Tiomoko, Zhenyu Liao

AI 总结：提出GraphWalker框架，通过联合数据驱动和模型驱动视角、发现患者队列以及采用懒惰贪心搜索，从电子健康记录中检索患者案例进行类比推理，无需参数更新即可提升临床推理性能。

链接：https://arxiv.org/abs/2604.06684

作者：Yue Fang, Weibin Liao, Yuxin Guo, Jiaran Gao, Hongxin Ding, Jinyang Zhang, Xinke Jiang, Zhibang Yang, Junfeng Zhao, Yasha Wang, Liantao Ma

AI 总结：针对异构GPU云中LLM推理的SLO约束，提出可扩展框架，通过约束感知启发式算法（GH和AGH）实现联合资源分配，在秒级内生成可行解并接近最优，显著降低成本和SLO违规。

链接：https://arxiv.org/abs/2604.07472

作者：Jiaming Cheng, Duong Tung Nguyen

AI 总结：本文首次系统综述Transformer中的注意力汇聚现象，从基础利用、机制解释和策略缓解三个维度梳理研究现状，为未来研究提供指导。

链接：https://arxiv.org/abs/2604.10098

作者：Zunhai Su, Hengyuan Zhang, Wei Wu, Yifan Zhang, Yaxiu Liu, He Xiao, Qingyao Yang, Yuxuan Sun, Rui Yang, Chao Zhang, Jing Xiong, Hui Shen, Keyu Fan, Weihao Ye, Chaofan Tao, Taiqiang Wu, Zhongwei Wan, Tiantian Zhang, Bowen Yan, Zhen Li, Yiming Zhang, Congkai Xie, Yulei Qian, Yuchen Xie, Yik-Chung Wu, Hongxia Yang, Ngai Wong

AI 总结：提出FairMind原型，利用标准公平模型进行因果公平分析，通过反事实查询计算因果效应，并借助LLM零样本生成公平性报告，优于直接LLM分析。

链接：https://arxiv.org/abs/2604.27011

作者：Alessia Berarducci, Eric Rossetto, Alessandro Antonucci, Marco Zaffalon

AI 总结：提出InvEvolve框架，利用强化学习训练的大语言模型，结合置信区间认证，在线生成具有统计安全保证的白盒库存策略，在合成和真实零售数据上优于经典和深度学习方法。

链接：https://arxiv.org/abs/2605.00369

作者：Chenyu Huang, Jianghao Lin, Zhengyang Tang, Bo Jiang, Ruoqing Jiang, Benyou Wang, Lai Wei

AI 总结：提出自适应多元对齐（APA）流水线，通过低秩奖励基分解和陪审团投票机制，动态追踪社会价值观演变，避免价值锁定，无需重复预训练或大规模数据收集。

链接：https://arxiv.org/abs/2605.01642

作者：Rachel Freedman

AI 总结：本文提出MidSteer，一种基于仿射变换的最优概念引导框架，通过最小干扰实现生成模型中的概念切换，并在视觉扩散模型和大型语言模型上验证其有效性。

链接：https://arxiv.org/abs/2605.05220

作者：Tatiana Gaintseva, Andrew Stepanov, Ziquan Liu, Martin Benning, Gregory Slabaugh, Jiankang Deng, Ismail Elezi

AI 总结：针对多模态MoE大模型在专家并行推理中因信息异质性和模态动态性导致的效率瓶颈，提出无需训练的MACS框架，通过熵加权负载和动态模态自适应容量机制优化资源分配，显著提升多模态基准性能。

链接：https://arxiv.org/abs/2605.05225

作者：Bo Li, Chuan Wu, Shaolin Zhu

AI 总结：提出AAAC方法，通过每层两个小型学习码本（64字节）替代固定标量码本，以激活加权重建误差最小化选择码本，实现零额外存储开销的4位权重量化，在3-30分钟内完成量化，精度优于现有方法。

链接：https://arxiv.org/abs/2605.08692

作者：Beshr IslamBouli, David Jin

AI 总结：提出在正则化潜在几何下，将规划摊销为潜在逆动力学映射，以轻量级GC-IDM替代在线搜索，在七个环境协议中匹配或超越CEM，决策成本降低100-130倍。

链接：https://arxiv.org/abs/2605.08732

作者：Hoang Nguyen, Xiaohao Xu, Xiaonan Huang

AI 总结：提出隐式神经最优传输公式，通过单个势函数和近端不动点问题避免对抗训练，实现稳定高效的单网络框架，同时恢复前向和后向传输映射。

链接：https://arxiv.org/abs/2605.10792

作者：Yesom Park, Eric Gelphman, Stanley Osher, Samy Wu Fung

AI 总结：提出CoMole，一种基于基团感知图扩散的统一框架，结合强化学习优化条件反向策略，在材料与药物设计的九个目标上均实现最优可控性，MAE最高降低48.2%，且无需规则修正。

链接：https://arxiv.org/abs/2605.15354

作者：Yihan Zhu, Yuhan Liu, Weijiang Li, Tengfei Luo, Meng Jiang

AI 总结：提出CHoE方法，通过结构条件专家网络和结构感知路由机制，实现跨域异构图提示学习，在少样本跨域任务中优于基线方法。

链接：https://arxiv.org/abs/2605.15888

作者：Peiyuan Li, Yongqi Huang, Jitao Zhao, Dongxiao He, Di Jin, Weixiong Zhang

AI 总结：本文提出EDAS方法，通过利用群体回滚中的误差多样性来提升强化学习的效果，通过调整错误回滚的优势信号，鼓励模型保持多样化的推理路径，从而提高训练成功率。

链接：https://arxiv.org/abs/2605.17333

作者：Wenpu Liu, Yuqi Xu, Weichu Xie, Yongfu Zhu, Shuai Dong, Ziyue Wang, Wenqi Shao, Xiaoying Zhang, Tong Yang, Nan Duan, Jiaqi Wang

AI 总结：本文提出I-SAFE框架，通过瓦尔德斯坦一致性度量对科学AI模型进行结构审计，揭示模型在分布响应上的差异，为科学AI模型提供更可靠的评估方法。

链接：https://arxiv.org/abs/2605.21731

作者：Barbara Tarantino, Gennaro Auricchio, Paolo Giudici

AI 总结：提出神经元级混合精度量化感知训练（NMP-QAT），通过可微代理和直通估计器让每个神经元独立学习离散精度，实现按需扩展位宽，在MLP和表格基础模型上取得更优的压缩-精度权衡。

链接：https://arxiv.org/abs/2605.25054

作者：Ayush K. Varshney, Konstantinos Vandikas, Šarūnas Girdzijauskas, Adam Orucu, Aneta Vulgarakis Feljan

AI 总结：提出AFNO，通过将PDE时间演化映射到潜空间并利用流匹配学习连续时间向量场，避免自回归展开，实现长期稳定预测。

链接：https://arxiv.org/abs/2605.25413

作者：Jiaquan Zhang, Caiyan Qin, Haoyu Bian, Libin Cai, Yi Lu, Chaoning Zhang, Wei Dong, Yuanfang Guo, Yang Yang, Heng Tao Shen

AI 总结：提出BigMac训练流水线，通过嵌套编码器和生成器计算到LLM流水线中，同时优化计算效率和内存使用，打破帕累托前沿。

链接：https://arxiv.org/abs/2605.25451

作者：Zili Zhang, Chengxu Yang, Shenglong Zhang, Chenyu Wang, Yufan Zhang, Tuo Dai, Zhouyang Li, Yuhong Ge, Chao Jin, Xin Jin, Yuliang Liu

AI 总结：提出RLDF方法，利用去噪反馈进行策略损失估计，通过优化中间噪声状态到裁剪干净状态并结合加权时间步采样，在扩散语言模型上提升性能和泛化性。

链接：https://arxiv.org/abs/2605.25638

作者：Qi He, Huan Chen, Ya Guo, Huijia Zhu, Yi R. Fung, Baojian Zhou

AI 总结：提出一种黑盒方法，通过分析模型对流行文本的记忆准确性，仅从生成文本推断LLM参数规模的下界，并验证了开源和闭源模型。

链接：https://arxiv.org/abs/2605.29223

作者：Ivica Nikolic

AI 总结：本研究使用遗传编程多目标进化可检查的特征集，并联合优化生存树结构与非线性分裂逻辑，以提高浅层生存树的预测性能和可解释性。

链接：https://arxiv.org/abs/2605.30119

作者：Thalea Schlender, Peter A. N. Bosman, Tanja Alderliesten

AI 总结：本文使用弱形式稀疏非线性动力学识别（WSINDy）方法，从多初始条件的网络动力学数据中学习有效模型，并评估了噪声水平与轨迹数量对学习精度的影响。

链接：https://arxiv.org/abs/2605.30432

作者：Moyi Tian, Daniel A. Messenger, Vanja Dukic, Nancy Rodríguez, David M. Bortz

AI 总结：针对GPU浮点运算非确定性导致AI工作负载验证困难的问题，提出通过软件仿真实现位精确重计算，在不牺牲性能的前提下实现可审计的推理验证。

链接：https://arxiv.org/abs/2606.00279

作者：Naci Cankaya

AI 总结：本文提出一种新框架，通过相对预测预算原语，在学习增强分页中实现最优鲁棒性界 H_k + O(1)，并实验验证其实际性能。

链接：https://arxiv.org/abs/2606.01342

作者：Peng Chen, Hailiang Zhao, Xueyan Tang, Yixuan Wang, Shuiguang Deng

AI 总结：本文通过代数统一框架分析循环神经网络在不同算术模型下的表达能力，将形式语言识别问题归结为语法幺半群是否划分特定圈积的代数问题。

链接：https://arxiv.org/abs/2606.01765

作者：Franz Nowak, Ryan Cotterell, Reda Boumasmoud

AI 总结：提出利用物理信息神经网络（PINN）作为离网格残差探针，为有限差分求解器提供自适应网格细化指示，在粘性Burgers方程等基准测试中验证了其有效性。

链接：https://arxiv.org/abs/2606.02475

作者：Henry Kasumba, Ronald Katende

AI 总结：针对以训练好的高斯RBF核支持向量回归（RBF-SVR）预测函数为目标函数的非凸优化问题，利用RBF核的解析结构构造显式DC分解，推导出DC分量强凸参数下界μ和子问题梯度Lipschitz常数上界L的闭式表达式，并通过数值实验表明特征量Cαρ主导DCA的收敛性和初始点依赖性。

链接：https://arxiv.org/abs/2606.03559

作者：Yohei Kakimoto, Yuto Omae, Hirotaka Takahashi

AI 总结：本文系统研究了Muon优化器中动量矩阵奇异值谱随模型大小的缩放行为，发现其遵循幂律，并据此提出层感知的牛顿-舒尔茨迭代配置选择方法以减少计算开销。

链接：https://arxiv.org/abs/2606.04058

作者：Gagik Magakyan, Pablo Parrilo, Asuman Ozdaglar

AI 总结：提出UltraEP，首个基于精确负载的实时均衡器，通过协同设计规划求解与专家复制通信，在机架级节点上实现MoE训练和推理的微批次与逐层重均衡，达到94.3%的力均衡理想吞吐量。

链接：https://arxiv.org/abs/2606.04101

作者：Xinming Wei, Chao Jin, Tuo Dai, Yinmin Zhong, Shan Yu, Chengxu Yang, Bingyang Wu, Zili Zhang, Jing Mai, Qianchao Zhu, Zhouyang Li, Yuliang Liu, Guojie Luo

AI 总结：针对基因组基础模型评估碎片化的问题，提出GENEB基准，通过统一探测协议在100项任务上比较40个模型，揭示模型排名不稳定、规模收益有限等关键发现。

链接：https://arxiv.org/abs/2606.04525

作者：Daria Ledneva, Mikhail Nuridinov, Denis Kuznetsov

AI 总结：针对强化学习策略对转移扰动敏感导致不安全行为的问题，提出使用变分自编码器近似状态空间分布，通过构造上下界屏障证书并采样非鲁棒区域状态来收紧概率安全保证。

链接：https://arxiv.org/abs/2606.04812

作者：Mohit Prashant, Arvind Easwaran

AI 总结：提出DistIL算法，通过分布式DAgger利用丰富反馈（如执行轨迹、工具输出等）进行前向交叉熵优化，实现单调策略改进和更好的Pass@N性能。

链接：https://arxiv.org/abs/2606.05152

作者：Rishabh Agrawal, Jacob Fein-Ashley, Paria Rashidinejad

AI 总结：通过配对评估设置，研究在清洁英语与泰米尔语-英语代码混合输入下，仇恨审核工作流的变化，发现代码混合导致决策翻转率高达0.265，并增加审核负担和误报。

链接：https://arxiv.org/abs/2606.05654

作者：Suraj Babu Thimma Krishnaram, Yibo Hu, Karthikeyan Saravanan

AI 总结：针对NVFP4低精度量化蒸馏中仅输出匹配导致内部表示退化的问题，提出CKA-QAD方法，通过CKA引导的层间Gram矩阵对齐保留内部几何结构，提升推理和编码任务准确率。

链接：https://arxiv.org/abs/2606.05682

作者：Fangbo Tu, Junhua Zhao, Chi Liu, Xin Chen, Haifeng Wu, Jian Wan, Srinivasan Manoharan

AI 总结：针对具有线性分式留出效应的估计量，提出一种基于Dinkelbach方法的高效算法，将最具影响力集合的选择转化为一个单参数序列的top-k问题，实现全局最优解。

链接：https://arxiv.org/abs/2606.05919

作者：Lucas D. Konrad, Nikolas Kuschnig

AI 总结：针对线性函数逼近的TD(0)算法，在独立同分布样本和常数学习步长下，提出一种均方误差的快速（1/k阶）、鲁棒（不依赖最小特征值）且尖锐（乘性常数小于11）的收敛速率，并引入PCTD(0)变体以在强混合假设下获得更好收敛性。

链接：https://arxiv.org/abs/2606.05967

作者：Ziad Kobeissi, Éloïse Berthier

AI 总结：提出Symb-xMIL框架，通过量化模型行为与可读决策规则（逻辑关系）的对齐程度，为多实例学习提供结构化的符号解释，并在合成和真实病理数据上验证其有效性。

链接：https://arxiv.org/abs/2606.06224

作者：Yanqing Luo, Julius Hense, Niklas Prenißl, Andreas Mock, Klaus-Robert Müller, Thomas Schnake, Mina Jamshidi Idaji

AI 总结：针对关联学习中统一基准掩盖几何依赖性性能的问题，提出曲率分层评估框架，通过将数据集按曲率正负零分区，揭示模型性能本质上是几何依赖的，并给出更可靠的评估协议。

链接：https://arxiv.org/abs/2606.06397

作者：Shuo Wang, Xiangyu Wang, Quanxin Wang, Bailin Wu, Bokui Wang, Shunyang Huang, Boyan Deng, Haonan Liu, Ruiyi Fang, Zhenxiang Xu, Boyu Wang, Zhao Kang

AI 总结：针对一维含噪动力系统，提出基于分区经验转移矩阵的有限样本变化检测方法，通过比较滑动窗口与基线段的平稳分布L1距离来检测不变密度变化，并给出有限样本界和误报保证。

链接：https://arxiv.org/abs/2606.06785

作者：Aparna Rajput

AI 总结：本文提出将多模态多任务联邦基础模型（M3T FedFMs）集成到车辆网络中的愿景，结合基础模型的表达力与联邦学习的隐私保护分布式学习能力，并通过Waymo数据集案例验证其潜力。

链接：https://arxiv.org/abs/2606.06786

作者：Kasra Borazjani, Fardis Nadimi, Payam Abdisarabshali, Owen Palinski, Allan Salihovic, Dinh Nguyen, Minghui Liwang, Seyyedali Hosseinalipour

AI 总结：提出一种带有主动万向悬挂的四轮行星探测车概念，利用强化学习训练单一神经网络控制器，实现自主障碍协商和全地形运动，通过策略整合和零样本迁移在物理车上验证。

链接：https://arxiv.org/abs/2606.06790

作者：Arthur Bouton, Tristan D. Hasseler, Michael Paton, Travis Brown, Jacob Levy, William Reid, Joshua Martin, Hari Nayar

AI 总结：研究在项目-技能结构未知时，联合估计Q矩阵与学习过程相比先确定Q矩阵再研究学习，如何改变对学习者发展的结论，并通过动态认知诊断模型分析阅读游戏数据，发现联合分析更可靠。

链接：https://arxiv.org/abs/2606.06804

作者：Yawen Ma, Sahoko Ishida, Kate Cain, Gabriel Wallin

AI 总结：本文通过低秩高斯混合模型分析训练任务多样性（由子空间非重叠列数定义）如何提升线性注意力上下文学习的泛化与优化，解释训练多样性缩短学习平台期及实现分布外泛化的现象，并扩展至非线性场景。

链接：https://arxiv.org/abs/2606.06814

作者：Soo Min Kwon, Alec S. Xu, Can Yaras, Dogyoon Song, Laura Balzano, Qing Qu

AI 总结：本文提出AMD-FCG数据集，通过集成恶意软件的拓扑特征增强函数调用图，以简化检测流程并消除动态分析需求，从而提升恶意软件检测的准确性和鲁棒性。

链接：https://arxiv.org/abs/2606.06815

作者：Parthajit Borah, Sakshi Singh, D. K. Bhattacharyya, J. K. Kalita

AI 总结：针对异构DNN加速器上多DNN执行中因层延迟差异导致的调度灵活性不足和截止时间错过率增加问题，提出层变体概念和Terastal框架，通过离线虚拟预算分配和层变体设计结合在线调度，优化加速器映射和变体选择，实验表明截止时间错过率降低30%以上且精度损失仅2.24%。

链接：https://arxiv.org/abs/2606.06818

作者：Sing-Yao Wu, Fengshuo Song, Eli Bozorgzadeh

AI 总结：提出SCALE调度器，通过交叉注意力指针网络和结构化表示正则化，实现无需微调即可泛化到不同规模集群的深度强化学习工作流调度。

链接：https://arxiv.org/abs/2606.06820

作者：Zhifei Xu, Jierui Lan, Zixuan Liang, Aiji Liang, Jinxi He

AI 总结：针对金融数据低信噪比和非平稳性，提出PandaAI，一种结合市场状态建模与约束alpha生成的闭环神经符号LLM智能体，通过领域微调和模块化架构实现风险感知决策，在沪深300数据上Rank IC提升18.2%，最大回撤降低25.7%。

链接：https://arxiv.org/abs/2606.06823

作者：Yuqi Li, Siyuan Liu, Bingjun Liu

AI 总结：通过控制实验和偏微分方程基准测试，研究SIREN、ReLU MLP和傅里叶特征MLP三种隐式神经表示架构的迁移特性，发现迁移幅度与迁移特异性分离，ReLU更具源选择性，而SIREN广泛重用权重。

链接： https://arxiv.org/abs/2606.06827

作者：D Yang Eng

AI 总结：提出AdaGRPO，通过在线课程过滤策略和跨层级优势融合，解决流模型GRPO中提示选择随机和优势估计缺乏全局视角的问题，提升训练稳定性和性能。

链接：https://arxiv.org/abs/2606.06828

作者：Jiazi Bu, Pengyang Ling, Yujie Zhou, Yibin Wang, Yuhang Zang, Tianyi Wei, Xiaohang Zhan, Jiaqi Wang, Tong Wu, Xingang Pan, Dahua Lin

AI 总结：研究数据驱动定价中的公平性问题，通过比较在需求估计或价格优化阶段施加公平约束的策略，分析其对消费者福利和社会效益的影响。

链接：https://arxiv.org/abs/2606.06830

作者：Adam N. Elmachtoub, Hyemi Kim, Jonathan Y. Tan

AI 总结：提出Semantic Gambit攻击，利用大语言模型实时提供预测上下文，突破因果限制，使实时ASR系统词错误率提升至35.6%，较当前最优方法提高三倍。

链接：https://arxiv.org/abs/2606.06833

作者：Jiani Xie, Andrew C. Cullen, Paul Montague, Benjamin I. P. Rubinstein

AI 总结：提出SEAM框架，通过统一预处理、接缝感知采样、非语音增强和紧凑DistilHuBERT骨干，在8秒窗口下实现0.971 ROC-AUC，并揭示快捷方式学习问题。

链接：https://arxiv.org/abs/2606.06837

作者：Vsevolod, Kovalev, Pranay Manocha

AI 总结：研究现代推理模型在百万级标签空间中实现零样本多标签分类的机制，提出“候选列表生成+精细推理”两阶段模型，并基于此开发机械蒸馏策略，优于标准蒸馏。

链接：https://arxiv.org/abs/2606.06840

作者：Debjyoti Saha Roy, Byron C. Wallace, Javed A. Aslam

AI 总结：利用几何学解释如何通过已知方法窃取机器学习模型，展示了完美复制Transformer网络最后一层的条件，并揭示了隐藏层的限制。

链接：https://arxiv.org/abs/2606.06854

作者：Snigdha Chandan Khilar

AI 总结：针对重尾或无界损失，提出仅需有限 $L_p$ 矩条件的稳定性框架，导出尖锐高概率泛化界，覆盖经验风险最小化、转导回归和元学习。

链接：https://arxiv.org/abs/2606.06855

作者：Qianqian Lei, Soham Bonnerjee, Yuefeng Han, Wei Biao Wu

AI 总结：提出乘积单元残差网络（PURe），通过显式建模特征交互提升鲁棒性和可解释性，在合成和真实数据集上优于MLP。

链接：https://arxiv.org/abs/2606.06861

作者：Ziyuan Li, Uwe Jaekel, Babette Dellen

AI 总结：提出LRMIL框架，通过两阶段知识蒸馏将高分辨率知识迁移到低分辨率表示，在推理时仅使用低分辨率图像块，显著降低计算成本并提升分类性能。

链接：https://arxiv.org/abs/2606.06864

作者：Yonghan Shin, Won-Ki Jeong

AI 总结：提出基于复数域加法-乘法乘积单元门控循环单元（AM-PU-GRU）的机器学习模型，通过整合乘积单元变换和复数计算，在核质量预测中实现插值RMSE 0.227 MeV和外推RMSE 0.179 MeV，超越现有模型。

链接：https://arxiv.org/abs/2606.06866

作者：Ziyuan Li, Paulo S. A. Freitas, John W. Clark, Babette Dellen

AI 总结：提出PROBE多阶段流水线，通过确定性证据框架和集成方法解决LLM在802.11诊断中的幻觉、置信度偏差和评估偏见问题，在87个企业Wi-Fi捕获上实现0.957的加权证据F1分数和96%的自动接受率。

链接：https://arxiv.org/abs/2606.06871

作者：Jerome Henry, Swadhin Pradhan, Miroslav Popovic

AI 总结：提出GlucoFM-Bench基准，评估8种时间序列基础模型与监督深度学习模型在15个糖尿病数据集上的血糖预测性能，发现预训练模型在零样本和少样本场景表现优异，但全样本下轻量LSTM仍最优。

链接：https://arxiv.org/abs/2606.06881

作者：Baiying Lu, Zhaohui Liang, Ryan Pontius, Shengpu Tang, Temiloluwa Prioleau

AI 总结：研究数据受限下语言模型预训练的正则化与缩放，提出掩码输入正则化（MIR）改善验证损失，并设计SoftQ缩放定律更准确拟合重复数据下的模型与数据规模交互。

链接：https://arxiv.org/abs/2606.06888

作者：Zhiwei Xu, Shihao Wu, Hanseul Cho, Wei Hu, Yixin Wang

AI 总结：研究视觉语言模型依赖语言先验的内部机制，通过层替换和探针分析揭示多阶段瓶颈，并引入渐进视觉退化指标发现基准测试可能奖励视觉忽视。

链接：https://arxiv.org/abs/2606.06890

作者：Runyu Zhou, Qi Zhang, Qixun Wang, Yisen Wang

AI 总结：提出GRASP方法，通过二次几何惩罚建模子集交互，结合低维特征草图与有限置信度选择协议，实现可扩展的预训练数据归因，显著提升反事实子集保真度并降低计算成本。

链接： https://arxiv.org/abs/2606.06892

作者：Yue Min, Ruining Chen, Yujun Li

AI 总结：提出光照感知表示学习框架，将光照变化作为显式训练信号，通过辅助目标捕获光照依赖变化，在分类和检测任务上优于标准对比学习基线。

链接：https://arxiv.org/abs/2606.06899

作者：Lizhen Zhu, Charantej Reddy Pochimireddy, James Z Wang, Brad Wyble

AI 总结：提出TALAN，一种序列条件潜在旁路，插入Transformer残差流并与低秩适配器协同训练，在STEM/代码基准上平均提升LoRA 1.41点、DoRA 1.85点，仅增加<1%可训练参数和1.01-1.02倍推理开销。

链接：https://arxiv.org/abs/2606.06902

作者：Chengkai Zhang, Ziteng Liu, Junpu Wang, Zeyi Tao, Yang Wang, Sagar Chordia, Qin Huang

AI 总结：提出ThinkBooster框架，通过模块化库、联合评估基准和可部署代理服务，实现LLM推理的测试时计算扩展，在数学和编码任务上验证了性能-计算权衡。

链接：https://arxiv.org/abs/2606.06915

作者：Vladislav Smirnov, Chieu Nguyen, Sergey Senichev, Minh Ngoc Ta, Ekaterina Fadeeva, Artem Vazhentsev, Daria Galimzianova, Nikolai Rozanov, Viktor Mazanov, Jingwei Ni, Tianyi Wu, Igor Kiselev, Mrinmaya Sachan, Iryna Gurevych, Preslav Nakov, Timothy Baldwin, Artem Shelmanov

AI 总结：本研究评估了五种亚十亿参数模型在数学推理任务中的微调策略，发现全量微调对小于3亿参数的模型造成负迁移，而参数高效微调（PEFT）是稳定性要求。

链接：https://arxiv.org/abs/2606.06920

作者：Rahul Nair, Chun Tao

AI 总结：针对LLM路由中单次响应作为监督信号噪声大的问题，提出DARS框架，从分布视角构建路由监督，考虑输入和输出不确定性，实验表明分布感知监督更稳定有效。

链接：https://arxiv.org/abs/2606.06924

作者：Guannan Lai, Haoran Hu, Long Chen, Zhenguo Li, Han-Jia Ye

AI 总结：研究离散参数空间中梯度下降（GD）和随机梯度下降（SGD）的泛化误差与均匀稳定性，发现确定性舍入使GD泛化误差率从O(T/n)恶化到O(T/√n)，而SGD在确定性舍入下仍具有非平凡稳定性保证，且随机舍入会引入随维度增长的泛化误差。

链接：https://arxiv.org/abs/2606.06934

作者：Jonghyun Shin, Sejun Park

AI 总结：提出DeSI框架，通过深度神经网络估计单指标方向，在度量空间中进行弗雷歇回归，缓解维数灾难并保持可解释性，理论保证收敛率，在分布、网络等数据上表现优异。

链接：https://arxiv.org/abs/2606.06957

作者：Muqing Cui, Yidong Zhou, Su I Iao, Hans-Georg Müller

AI 总结：提出GenPO++框架，利用高阶可逆ODE求解器中的历史状态作为辅助记忆，实现精确可逆映射，从而无偏且高效地计算生成流策略的似然比，在连续控制任务中优于现有方法。

链接：https://arxiv.org/abs/2606.06967

作者：Ke Hu, Shutong Ding, Panxin Tao, Jingya Wang, Ye Shi

AI 总结：提出利用高斯过程预测梯度作为辅助信号，增强现有Pareto兼容采集函数，加速多目标贝叶斯优化收敛到全局Pareto集。

链接：https://arxiv.org/abs/2606.06984

作者：Alma Rahat, Tinkle Chugh, Jonathan Fieldsend, Richard Allmendinger

AI 总结：本研究利用计量模型和机器学习分析，发现绿色金融显著降低城市碳强度，其中绿色债券和绿色投资效果最强，且存在空间溢出效应，影响因城市发展水平而异，主要通过能源结构优化等渠道发挥作用。

链接：https://arxiv.org/abs/2606.06986

作者：Xueyang Li, Jinlei Ma

AI 总结：提出一个轻量级端到端基准框架，统一数据加载、标准化训练和架构无关评估，重新实现多种基线模型并添加GPT-2基线，通过隐私-效用评估套件和自助置信区间分析长尾性能问题，推动社区驱动的可复现性。

链接：https://arxiv.org/abs/2606.06990

作者：Jalen Jiang, Chufan Gao, Ethan Rasmussen, Stephen Z. Xie, Jimeng Sun

AI 总结：提出RASFT框架，通过基于策略rollout的问题级可解性校准专家监督，在模型困难时加强指导、表现可靠时放松模仿并纳入自生成轨迹，同时使用裁剪逆比约束策略漂移，在多个推理基准上优于SFT和RL方法。

链接：https://arxiv.org/abs/2606.07006

作者：Yongliang Miao, Fengyuan Liu, Wei Shi, Yanguang Liu, Fei Sun, Na Zou, Mengnan Du

AI 总结：提出统一数学框架，将概念学习形式化为集合对齐问题，区分检测、分离和近似三种学习强度，并给出几何条件与误差界，通过形式概念分析连接概念学习与神经元解释。

链接：https://arxiv.org/abs/2606.07007

作者：Chenhao Zhang, Chris Lin, Su-In Lee

AI 总结：通过分解音素错误率、分析混淆矩阵，发现BLSTM层对过渡依赖类提升最大，WSJ迁移学习对辅音改进约是元音的三倍，且混淆模式反映固有音素相似性。

链接：https://arxiv.org/abs/2606.07030

作者：Erfan Loweimi, Zhengjun Yue, Andrea Carmantini, Zoran Cvetkovic, Steve Renals, Peter Bell

AI 总结：提出CF-JEPA，一种无掩码框架，通过多时间范围前向预测替代掩码，利用时间序列的时序顺序作为学习信号；并利用在线编码器与EMA目标编码器之间的非对称性，将不同任务路由到合适的编码器，在多个基准上取得领先性能。

链接：https://arxiv.org/abs/2606.07031

作者：Jaehoon Lee, Sunghyun Sim

AI 总结：提出STREAM框架，利用组织病理学视觉基础模型的patch-token特征作为潜在空间，通过黎曼流匹配生成高质量组织病理学图像，解决条件崩溃问题，并设计各向异性解码器提升生成质量。

链接：https://arxiv.org/abs/2606.07036

作者：Won June Cho, Daeky Jeong, Hyeongyeol Lim, Hongjun Yoon

AI 总结：针对城市轨道交通中站点与OD流预测不一致问题，提出首个层级协调框架，利用神经全连接协调器(FCR)学习非线性映射，确保结构一致性，在中断场景下OD预测误差降低达17.45%。

链接：https://arxiv.org/abs/2606.07044

作者：Dang Viet Anh Nguyen, Alma Fazlagic, Kristine Pryds Loft, Filipe Rodrigues

AI 总结：提出TrioPose，基于SD3.5M架构的原生三流姿态感知DiT，通过逐层激活和零初始化双残差注入保持预训练稳定性，并设计可学习关系偏置掩码和姿态引导空间损失加权，在多人姿态引导生成中实现SOTA性能，Human-Art上AP达64.33。

链接：https://arxiv.org/abs/2606.07053

作者：Dian Gu, Zhengyi Yang

AI 总结：提出TRACE框架，通过TIJ循环识别高信号区域、累积跨步骤证据并合成轨迹级判决，在SHADE-Arena的十个任务域上F1达0.713，召回率0.844，尤其擅长长距离证据链接。

链接：https://arxiv.org/abs/2606.07054

作者：Vijitha Mittapalli, Shreyaa Jayant Dani, Satya Srujana Pilli, Snigdha Ansu, Mohammadreza Teymoorianfard, Franck Dernoncourt, Hongjie Chen, Yu Wang, Ryan A. Rossi, Nesreen K. Ahmed

AI 总结：针对数据流形非欧几里得拓扑导致标准高斯先验不匹配的问题，提出一种构造性数学框架，通过因子化分布和重参数化技巧，为乘积覆盖空间流形（如圆柱、环面、莫比乌斯带等）设计拓扑匹配的先验，提升重建质量和表示忠实性。

链接：https://arxiv.org/abs/2606.07058

作者：Jilles S. van Hulst, Jakub M. Tomczak, W. P. M. H. Heemels, Duarte J. Antunes

AI 总结：通过分析28项高影响力过滤特征选择研究，发现数据集数量、基线方法和新方法数量可解释33%的性能变异，揭示了评估中的潜在偏差，并提出了五项基于证据的评估建议。

链接：https://arxiv.org/abs/2606.07068

作者：Malick Ebiele, Malika Bendechache, Rob Brennan

AI 总结： 提出SlimSearcher框架，通过帕累托高效过滤和自适应奖励门控，在保持或提升准确率的同时将工具调用轮次减少17%-58%。

链接：https://arxiv.org/abs/2606.07074

作者：Zequn Xie, Junjie Wang, Dan Yang, Jie Feng, Yue Shen, Jian Wang, Jinjie Gu

AI 总结：本文通过参数空间诊断，揭示在线策略蒸馏（OPD）的更新轨迹具有松弛离主成分、子空间锁定等独特几何特性，表明其并非介于SFT和RLVR之间的中间方法。

链接：https://arxiv.org/abs/2606.07082

作者：Zhennan Shen, Yanshu Li, Qingyu Yin, Chak Tou Leong, Zhilin Wang, Yanxu Chen, Rongduo Han, Sunbowen Lee, Yi R. Fung

AI 总结：提出一种无需手动阈值的自适应数据清洗框架，融合局部、全局和学习动态等多重度量，通过特征空间的多度量聚类实现噪声标签检测，在CIFAR-10、MNIST和ImageNet-100上显著提升召回率和模型精度。

链接：https://arxiv.org/abs/2606.07086

作者：Chen-Hsuan Fang, Wei-Hsinag Chen, Pin-Hsuan Yu, Jung-Hua Wang, Tsung-Wei Pan

AI 总结：提出残差控制乘子学习(RCML)，通过将乘子更新重构为投影压力反馈，并引入模块化随机稳定组件，解决随机约束决策中原始-对偶方法因小批量噪声导致乘子更新不稳定的问题，实现有限增益收敛和局部KKT残差解释。

链接：https://arxiv.org/abs/2606.07088

作者：Kang Liu, Jianchen Hu, Ziyu Qu

AI 总结：本文使用面板数据方法，将115个发展中国家分为四大洲组，发现女性劳动参与率对生育率的影响因地区而异，仅美洲地区显著负相关。

链接：https://arxiv.org/abs/2606.07093

作者：Thi Kim Ngan Nguyen

AI 总结：提出SigmaScale方法，通过学习辅助缩放矩阵优化截断SVD的LLM压缩，降低权重矩阵有效秩，在Llama 3.1 8B和Qwen3-8B上达到竞争性能。

链接：https://arxiv.org/abs/2606.07098

作者：Ernests Lavrinovics, Marco Letizia, Roy Janco, Shai Segal, Johannes Bjerva, Maurizio Pierini

AI 总结：提出OffQ方法，通过top-1 PCA识别异常值子空间、旋转集中异常值通道并转换为共享偏移，实现LLM的低比特均匀量化，在W4A4KV4下提升精度。

链接：https://arxiv.org/abs/2606.07116

作者：Haoqi Wang, Lorenz K. Mueller, Jiawei Zhuang, Mathieu Salzmann, Lukas Cavigelli

AI 总结：研究非线性瓶颈自编码器在平均场机制下的学习动态，推导编码器和解码器的显式动态方程，证明有限宽度网络的经验风险高概率跟踪平均场风险轨迹，且最优解收敛于平均场最优。

链接：https://arxiv.org/abs/2606.07120

作者：Santanu Das, Ramyak Bilas, Pascal Esser, Satyaki Mukherjee

AI 总结：提出显式符号行为模型（ESBM），通过自适应问题和世界模型探针将任务性能与可解释机制结合，在Atari任务中学习高分策略并生成显式答案和机制预测。

链接：https://arxiv.org/abs/2606.07127

作者：Hikaru Shindo, Yu Deng, Teng Cao, Quentin Delfosse, Christopher Tauchmann, Jannis Blüml, Gopika Sudhakaran, Kristian Kersting

AI 总结：提出FDRS框架，结合统计与机器学习方法检测数值数据中的非随机数字模式，通过酶学吸光度数据集和模拟异常数据验证，能有效分级风险。

链接：https://arxiv.org/abs/2606.07128

作者：Zhuphua Cao

AI 总结：提出一种两阶段摊销策略，利用先验数据拟合网络（PFN）在单次前向传播中近似熵搜索采集函数，实现超过50倍加速，在合成和真实基准上性能与最先进方法相当。

链接：https://arxiv.org/abs/2606.07134

作者：Herilalaina Rakotoarison, Steven Adriaensen, Tom Viering, Carl Hvarfner, Samuel Müller, Frank Hutter, Eytan Bakshy

AI 总结：本文通过可解释性分析扩展无监督疾病分期框架，在Enroll-HD数据集上揭示模型嵌入与临床进展一致，并利用SHAP量化特征重要性，识别出从早期认知运动障碍到严重功能依赖的疾病阶段。

链接：https://arxiv.org/abs/2606.07135

作者：Lubna Mahmoud Abu Zohair, Hind Zantout

AI 总结：提出REMEDI基准，针对多标签临床疾病推断中的机器遗忘问题，利用MIMIC-III数据库评估现有方法在效用与遗忘性能间的权衡，并发现其不适用于多标签任务。

链接：https://arxiv.org/abs/2606.07141

作者：Anurag Sharma, Sai Teja Chunchu, Prasenjit Mitra, Sandipan Sikdar, Koustav Rudra

AI 总结：针对物理信息机器学习在工程决策中的评估，提出pinn-gym基准，通过曲线误差、物理可行性、top-k检索和遗憾值等多维度指标，揭示低nRMSE不足以识别有用设计，且物理信息损失改变权衡而非单调改进所有指标。

链接：https://arxiv.org/abs/2606.07146

作者：Daniel Cieślak, Andrzej Czyżewski

AI 总结：提出将动态网络中的状态定义为时间图沿测地线的轨迹，通过图回归方法测量观测图与测地线的累积距离，结合变点检测算法识别状态转换，在合成和真实数据上优于现有方法。

链接：https://arxiv.org/abs/2606.07151

作者：William Cappelletti, Étienne Voutaz, Pascal Frossard

AI 总结：提出一种无伤害认证与选择框架，通过残差校准半径确保物理信息逆学习不劣于基线，结合数据、物理、边界等残差提供后验误差界与确定性不确定性半径。

链接：https://arxiv.org/abs/2606.07153

作者：Ronald Katende

AI 总结：研究视觉、视觉-语言及多模态模型的地理空间表示能力，发现文本监督能有效提升空间编码，推动地理空间AI发展。

链接：https://arxiv.org/abs/2606.07172

作者：Marcelo Sartori Locatelli, Fernando Tonucci, Jea Kwon, Luiz Felipe Vecchietti, Bryan Nathanael Wijaya, Cheng Yaw Low, Virgilio Almeida, Meeyoung Cha

AI 总结：提出OPTIMUS框架，基于主蕴含项理论生成视觉热图解释，满足充分性和最小性，提供形式化保证。

链接：https://arxiv.org/abs/2606.07180

作者：Arthur Hoarau, Chenrui Zhu, Vu Linh Nguyen

AI 总结：提出RETROSPECT系统，将单步逆合成分解为候选生成和重排序，结合ChemAlign Transformer生成器和LambdaMART重排序器，在USPTO-50K上实现55.00% top-1准确率。

链接：https://arxiv.org/abs/2606.07181

作者：Raja Sekhar Pappala, Shreyas Vinaya Sathyanarayana, Ronit Kumar Choudhary, Arjun Verma, Deepak Warrier

AI 总结：提出一种结构保持的校正学习方法，通过展开经典联合超参数求解器为可训练神经网络，在保留贝叶斯结构的同时学习更新机制，提升M/EEG脑源成像的重建性能和收敛性。

链接：https://arxiv.org/abs/2606.07196

作者：Marco Morik, Xiao Ruiting, Shinichi Nakajima, Stefan Haufe, Ismail Huseynov

AI 总结：本文通过核密度估计的三种方法（差异理论、多项式方法和空间划分）的紧密结合，几乎确定了流式注意力近似问题的空间复杂度紧界，并引入带大量辅助信息的INDEX问题新下界技术。

链接：https://arxiv.org/abs/2606.07205

作者：Justin Y. Chen, Ying Feng, Piotr Indyk, Michael Kapralov, Ekaterina Kochetkova, Boris Prokhorov

AI 总结：提出Eisbach对数障碍，利用DiT输出空间能量分布的熵作为权重，在监督扩散训练中通过调节梯度步长促进音乐主题发展、声学区分和纹理多样性，避免模式崩溃。

链接：https://arxiv.org/abs/2606.07207

作者：Zixi Li, Youzhen Li

AI 总结：提出WIZARD框架，通过权重空间元学习从语言指令和演示视频生成任务特定LoRA参数，无需微调即可适应新任务，在LIBERO上性能提升高达14倍。

链接： https://arxiv.org/abs/2606.07217

作者：Christian Bianchi, Siamak Yousefi, Alessio Sampieri, Andrea Roberti, Luca Rigazio, Fabio Galasso, Luca Franco

AI 总结：提出DEFINED框架，通过层次化八维指标体系、预训练语言模型和混合粒度训练策略，在辩论场景中实现数据高效的细粒度创造力自动评估，优于现有方法。

链接：https://arxiv.org/abs/2606.07226

作者：Tongzhou Yu, Mingjia Li, Hong Qian, Wenkai Wang, Zongbao Zhang, Yaoyu Jiang, Xiangfeng Wang, Aimin Zhou, Jiajun Guo

AI 总结：系统研究轻量级投影框架下图像重识别在在线3D多目标追踪中的作用，提出级联匹配策略以在低延迟下恢复遮挡轨迹并防止身份切换。

链接：https://arxiv.org/abs/2606.07233

作者：Eduardo Borges, Luís Garrote, Urbano J. Nunes

AI 总结：提出FLOWREADER，将多模态长文档中的证据组装建模为最小成本流问题，通过统一评分向量控制源选择、汇选择和边成本，在碎片化证据场景下优于top-k检索方法。

链接：https://arxiv.org/abs/2606.07235

作者：Ambuj Mehrish, Sebatiano Vascon

AI 总结：本研究系统分析了通用和医学专用LLM对提示扰动的敏感性，发现即使是微小的措辞变化也可能改变临床建议，对抗性提示可能引发有害输出，表明这些模型在临床应用中不可靠。

链接：https://arxiv.org/abs/2606.07237

作者：Mahdi Alkaeed

AI 总结：针对现有扩散和流模型固定原子数限制的问题，提出基于非平衡最优传输的柔性尺寸分子生成模型Morph，实现条件与无条件3D分子设计，在保持性能的同时提供采样灵活性，并支持分布外生成。

链接：https://arxiv.org/abs/2606.07239

作者：Malte Franke, Stefan P. Schmid, Zarko Ivkovic, Kjell Jorner, Andreas Krause

AI 总结：针对序列模型在非交换状态跟踪中的局限，提出保留转移对验证协议，在投影循环状态模型上实现长达百万步的完美预测，揭示显式非交换状态组合作为有效归纳偏置。

链接：https://arxiv.org/abs/2606.07254

作者：Jeonghoon Lee

AI 总结：本文证明了Gerchberg-Saxton算法与梯度下降法在幅度最小二乘损失上等价，并给出了全局和局部的概率解释，为迭代相位恢复中的松弛提供指导。

链接：https://arxiv.org/abs/2606.07257

作者：Jakob Schroeder, Andreas Döpp

AI 总结：本文分析整流流（Rectified Flows）在插值路径上的训练数据成员信号，发现训练与测试数据的重建差异呈钟形曲线，并在高斯假设下推导出峰值位置，验证了该结构的普适性，并利用其进行成员推断攻击。

链接：https://arxiv.org/abs/2606.07271

作者：Thomas Sesmat, Gabriel Meseguer-Brocal, Geoffroy Peeters

AI 总结：针对联邦学习中的安全聚合问题，提出一种无需可信第三方或预设结构的通用密钥分发模型，并完整刻画了安全性、密钥分发通信和聚合通信三者间的容量区域。

链接：https://arxiv.org/abs/2606.07277

作者：Lanxin Yi, Jinbao Zhu, Kai Wan, Xiaohu Tang

AI 总结：针对多任务模型融合中的干扰最小化问题，发现迭代求解器实际充当隐式谱正则化器，据此提出基于谱滤波的闭式方法SWUDI及其自适应变体SWUDI-A，显著提升效率并匹配或超越现有方法。

链接：https://arxiv.org/abs/2606.07289

作者：Yongxian Wei, Runxi Cheng, Xingxuan Zhang, Li Shen, Chun Yuan, Peng Cui, Dacheng Tao

AI 总结：提出Trio架构，通过时间、空间和样本三种注意力机制分别捕获时序动态、变量间依赖和历史样本对应，并引入时间序列结构因果模型生成合成任务以提供结构先验，提升多变量时间序列预测性能。

链接：https://arxiv.org/abs/2606.07291

作者：Tao Chen, Yexu Zhou, Zhi Gong, Hengwei He, Hongda Li, Zhewei Chen, Dongjing Wang, Xin Zhang, Decheng Liu, Chunlei Peng, Zheng Chen, Wenyue Ding

AI 总结：提出TargetSEC，一种基于嵌入驱动的潜在扩散框架，通过连续情感条件生成情感风格嵌入，在紧凑潜在空间操作，实现高转换精度和语音质量。

链接：https://arxiv.org/abs/2606.07293

作者：Constantin Alexander Auga

AI 总结：提出表征涌现自举理论（TBER），将解释不充分性视为新表征涌现的积极信号，通过五阶段递归过程驱动表征创新，应用于表征学习、世界模型和科学发现。

链接：https://arxiv.org/abs/2606.07303

作者：Jacques Raynal, Pierre Slangen, Elsa Raynal, Jacques Margerit

AI 总结：本研究评估了五种轻量级适应方法（LoRA、IA3、BitFit、前缀微调和全微调）将预训练流行爵士和弦模型扩展到11个目标流派的效果，发现所有方法均能提升和弦预测性能，但和弦符号本身不足以完整传递流派身份。

链接：https://arxiv.org/abs/2606.07334

作者：Jinju Lee

AI 总结：提出TabSwift，通过门控注意力稳定和可学习注册令牌增强轻量级行注意力骨干，实现高效表格上下文学习，在保持竞争力的同时降低推理成本。

链接：https://arxiv.org/abs/2606.07345

作者：Si-Yang Liu, Han-Jia Ye

AI 总结：提出SleepExplain模型，使用集成学习（随机森林、XGBoost、梯度提升）对NREM和REM睡眠阶段进行分类，准确率达94.30%，并利用SHAP提供可解释性。

链接：https://arxiv.org/abs/2606.07351

作者：Rafsan Jany, Md. Hamjajul Ashmafee, Iqram Hussain, Md Azam Hossain

AI 总结：本文首次系统分析 vLLM 推理引擎的冷启动延迟，将其分解为六个基础步骤，发现主要受 CPU 限制，并建立轻量级分析模型预测延迟，为大规模推理环境资源规划提供指导。

链接：https://arxiv.org/abs/2606.07362

作者：Huzaifa Shaaban Kabakibo, Animesh Trivedi, Lin Wang

AI 总结：提出一种PPG基础模型，利用ICU数据集中的心电和呼吸信号选择对比样本，无需高质量或场域数据预训练，在15个下游任务中14个取得性能提升。

链接：https://arxiv.org/abs/2606.07365

作者：Eloy Geenjaar, Vince Calhoun, Scott Daly, Gouthaman KV, Lie Lu, Trisha Mittal, Daniel P. Darcy

AI 总结：提出Dash2Sim框架，将单目行车记录仪视频转化为度量级、地理参考的4D驾驶日志，用于闭环仿真，并构建ROADWork4D基准数据集，验证了施工区场景对规划器的挑战。

链接：https://arxiv.org/abs/2606.07366

作者：Anurag Ghosh, Francesco Pittaluga, Khiem Vuong, Angela Chen, Juan Alvarez-Padilla, Manmohan Chandraker, Srinivasa Narasimhan

AI 总结：提出Q-Evolve框架，通过分布内强化学习统一过程奖励标注与策略学习，利用加权隐式Q学习稳定贝尔曼更新，实现智能体自演化，在AlfWorld等任务上优于基线。

链接：https://arxiv.org/abs/2606.07367

作者：Yudi Zhang, Meng Fang, Zhenfang Chen, Mykola Pechenizkiy

AI 总结：提出CapCode框架，通过设置上限评估检测模型在编码任务中的作弊行为，并设计CapReward奖励机制防止作弊，实验表明该方法能有效检测和减少作弊。

链接：https://arxiv.org/abs/2606.07379

作者：Thanawat Lodkaew, Johannes Ackermann, Soichiro Nishimori, Nontawat Charoenphakdee, Masashi Sugiyama, Takashi Ishida

AI 总结：提出将高维协方差估计的经典收缩重述为基于源分布与目标分布之间参数化随机插值的经验风险最小化，揭示三种降低统计风险的机制，并设计神经估计器及风险上界。

链接：https://arxiv.org/abs/2606.07382

作者：Mathieu Chalvidal, Florentin Coeurdoux, Eric Vanden-Eijnden

AI 总结：针对边缘硬件上VLA模型部署延迟问题，提出RhinoVLA，通过令牌高效骨干、连续动作专家和统一接口实现实时闭环控制，在Huixi R1上达到11.69 Hz推理速度。

链接：https://arxiv.org/abs/2606.07383

作者：Huixi Intelligence, :, Chen Zhang, Chenyang Zhou, Guanglei Ding, Guanghui He, Haibin Gao, Jiajia Chen, Jianyong Zhang, Lianyi Yu, Ningyi Xu, Ping Xu, Qingchen Li, Yingjun Hu, Yijia Zhang, Yuxi Liu

AI 总结：提出几何引导的机器学习框架，通过结合预测轨迹发散和宏观吸引子形态，从标量观测中检测瞬态混沌，无需控制方程，验证了融合拓扑状态空间与预测发散能系统改进连续过渡追踪。

链接：https://arxiv.org/abs/2606.07385

作者：S. V. Manivelan, Andrei Velichko, I. Manimehan

AI 总结：提出分数感知训练方法，利用CLAP条件Beta噪声时间表将低分音频段用于高噪声训练，结合段级过滤和两阶段字幕策略，在有限数据下实现高效文本到音乐生成，并在ICME 2026 ATTM挑战赛中获得客观评估第二名。

链接：https://arxiv.org/abs/2606.07387

作者：Yun-Chen Cheng, Tzu-Hung Huang, Chih-Pin Tan

AI 总结：针对LLM级联场景，提出在线上下文潘多拉魔盒模型，通过参数化保留索引和GMM估计结合UCB界，实现维度相关的√T累积遗憾。

链接：https://arxiv.org/abs/2606.07392

作者：Alexandre Belloni, Yan Chen, Yehua Wei

AI 总结：提出ADIGen框架，结合Riesz回归、因果不变性和正交统计学习，实现通用干预下反事实生成的自动、去偏和不变性，并提供过剩风险界。

链接：https://arxiv.org/abs/2606.07399

作者：Raphael C Kim, Jingsen Zhu, Ramin Zabih, Michele Santacatterina

AI 总结：提出GReinSS框架，使用动态缩放奖励学习潜在状态分布以最大化观测数据似然，在模拟潜在集和图重建中优于基线，并在RNA测序数据中比RSEM更准确地重建异构体。

链接：https://arxiv.org/abs/2606.07400

作者：Stefan Ivanovic, Ge Liu, Mohammed El-Kebir

AI 总结：针对Benders分解中子问题重复求解导致收敛慢的问题，提出代理Benders分解（Proxy-BD），用自监督预测-投影-补全机制生成可行对偶解，在保持理论有效性的同时大幅降低计算开销。

链接：https://arxiv.org/abs/2606.07403

作者：Changkun Guan, El Mehdi Er Raqabi, Mathieu Tanneau, Pascal Van Hentenryck

AI 总结：本文报告在单台8-GPU节点上端到端训练千亿参数稀疏混合专家模型，通过可逆循环、状态保持增长和单节点经济学三大原则，实现从密集种子到120B模型的四阶段扩展。

链接：https://arxiv.org/abs/2606.07404

作者：Rohan Shravan

AI 总结：通过AIME 2025所有30道题目的10247个推理步骤注释，发现DeepSeek-R1存在拓扑模仿（表面模仿推理而非真正推理），但成功轨迹中分支与回溯的稳定使用以及反射在演绎推理中的有效放置是真正推理的信号。

链接：https://arxiv.org/abs/2606.07410

作者：Yuxiang Chen, Jun Wang

AI 总结：提出稀疏门控线性神经元（sgatlin）网络，通过将每个专家缩减为单个神经元并去除非线性，在等计算量下提升语言模型困惑度，同时增强可解释性。

链接：https://arxiv.org/abs/2606.07414

作者：Simon Schug

AI 总结：提出利用高速视频观测等离子体羽流，通过TabPFN、CNN等模型预测飞行粒子温度和速度，最高R²达0.90和0.82，实现非侵入式诊断。

链接：https://arxiv.org/abs/2606.07416

作者：Abhijeet Praveen, Sareh Soleimani, Cormac Cureton, Aman Sidhu, Kintak Raymond Yu, Cristian Cojocaru, Narges Armanfard

AI 总结：提出Deflex方法，结合可分解深度能量模型和Lambda演算符号回归，自动从复杂系统中提取多尺度公式，效率最高提升7倍。

链接：https://arxiv.org/abs/2606.07426

作者：Hanqiao Yu, Shusen Yang, Xuebin Ren, Cong Zhao

AI 总结：提出TEVI框架，利用稀疏自编码器解耦图像嵌入，并通过文本条件掩码模块选择性重构嵌入，以改善CLIP等视觉-语言模型的图像-文本对齐，在多个检索基准上取得提升。

链接：https://arxiv.org/abs/2606.07451

作者：Sweta Mahajan, Sukrut Rao, Jiahao Xie, Alexander Koller, Bernt Schiele

AI 总结：针对光伏电站冷启动预测问题，提出利用物理信息合成历史数据，结合时间序列基础模型进行零样本预测，在440个站点上实现1.7-2倍性能提升。

链接：https://arxiv.org/abs/2606.07457

作者：Lorenzo Longarini, Alessandro Rongoni, Simone Silenzi, Emanuele Frontoni, Riccardo Rosati

AI 总结： 提出摊销神经优化（ANO）框架，利用可微神经网络代理模型替代迭代黑盒优化，实现单次前向传播获取近最优设计参数，在DDR5 DFE、SerDes均衡等场景中加速三到四个数量级。

链接：https://arxiv.org/abs/2606.07463

作者：Julian Withöft, Werner John, Emre Ecik, Ralf Brüning, Jürgen Götze

AI 总结：提出无监督持续聚类（UCC）问题，并设计前向-后向知识蒸馏方法（FBCC），通过持续教师网络和轻量任务学生网络的双阶段蒸馏，在不存储旧数据的情况下保留聚类结构，显著减少灾难性遗忘。

链接：https://arxiv.org/abs/2606.07474

作者：Mohammadreza Sadeghi, Sareh Soleimani, Zihan Wang, Narges Armanfard

AI 总结：针对异配图中节点分类性能受限问题，提出标签上下文分类器（LCC），通过四种游走生成标签上下文嵌入捕获高阶类标签连通性，并可与任意GNN自适应集成，实验表明优于现有方法。

链接：https://arxiv.org/abs/2606.07475

作者：Takuto Takahashi, Itsuki Nakayama, Takahiro Mitani, Ryosuke Kikuchi, Yuya Sasaki, Makoto Onizuka

AI 总结：提出条件漂移框架，在VAE潜空间中进行漂移并利用标签感知掩码对齐边界条件，实现高质量单步生成，速度比迭代扩散快两个数量级。

链接：https://arxiv.org/abs/2606.07481

作者：Chris R. Jung, Markus Dörr, Natalie Jüngling, Jennifer Niessner, Adam T. Müller, Nicolaj C. Stache

AI 总结：提出CascadeNet框架，通过去偏雅可比矩阵估计一步转移函数，无需指定扩散模型即可恢复隐藏影响网络，在模拟和COVID-19传播数据中优于现有方法。

链接：https://arxiv.org/abs/2606.07483

作者：Lei Huang

AI 总结：提出持续元学习框架CoMetaPNS，通过贝叶斯高斯混合模型记忆缓冲区分辨数据来源，实现个性化神经代理的持续学习，避免灾难性遗忘，在心脏模拟预测中优于基线。

链接：https://arxiv.org/abs/2606.07488

作者：Ryan Missel, Xiajun Jiang, Linwei Wang

AI 总结：本文针对AI与HPC融合带来的新挑战，提出十二条实用技巧，涵盖容器化、作业数组、反馈循环和I/O优化，帮助设计高效、可扩展、可复现的AI驱动HPC工作流。

链接：https://arxiv.org/abs/2606.07491

作者：Jamie J. Alnasir

AI 总结：针对推荐算法排名对数据集特性敏感的问题，提出基于Bradley-Terry模型的数据驱动排名方法，并引入排名一致性指标和针对未见数据集的算法排名方法。

链接：https://arxiv.org/abs/2606.07492

作者： Ekaterina Grishina, Stepan Kuznetsov, Askar Tsyganov, Ilya Ivanov, Daria Korovaitceva, Margarita Rusanova, Uliana Parkina, Alexander Derevyagin, Evgeny Frolov, Sergey Samsonov, Anton Lysenko

AI 总结：本文提出神经网络的二阶路径核插值公式，引入曲率加权项和随机梯度下降的噪声耦合项，并扩展到带动量的情况，完善了路径核对预测的解释。

链接：https://arxiv.org/abs/2606.07495

作者：Jin Guo, Roy Y. He, Jean-Michel Morel

AI 总结：提出MG-ADSGD算法，结合Nesterov型原始-对偶外推与多轮快速八卦平均，通过耦合八卦深度与小批量大小，同时实现加速收敛和通信高效，达到最优通信复杂度。

链接：https://arxiv.org/abs/2606.07496

作者：Ming Sun, Kun Yuan

AI 总结：提出SETA框架，通过将参数分解为任务特定专家和共享专家的稀疏子空间，结合自适应弹性锚定和路由感知正则化，解决LLM持续学习中的塑性-稳定性困境，在多个基准上优于现有方法。

链接：https://arxiv.org/abs/2606.07500

作者：Fatema Siddika, Md Anwar Hossen, Tanwi Mallick, Ali Jannesari

AI 总结：提出一种神经自编码器框架，通过结构约束和正交正则化从多传感器数据中分离共享与传感器特定潜在变量，并利用解缠潜在子空间实现定向生成和跨传感器推断。

链接：https://arxiv.org/abs/2408.15344

作者：George A. Kevrekidis, Eleni D. Koronaki, Dimitris G. Giovanis, Yannis G. Kevrekidis

AI 总结：研究当前大语言模型在探索-利用权衡中的决策能力，通过分离探索和利用任务评估其表现，发现推理模型在利用任务上最有潜力但成本高，非推理模型通过工具使用和上下文总结可提升中等难度任务性能，但在所有任务中均不如简单线性回归，然而LLM在具有语义的大动作空间探索中有帮助。

链接：https://arxiv.org/abs/2502.00225

作者：Keegan Harris, Aleksandrs Slivkins

AI 总结：提出Doppler框架，通过双策略网络（SEL选择操作、PLC放置设备）优化异步数据流图中的设备分配，减少执行时间并提高采样效率。

链接：https://arxiv.org/abs/2505.23131

作者：Xinyu Yao, Daniel Bourgeois, Abhinav Jain, Yuxin Tang, Jiawen Yao, Zhimin Ding, Arlei Silva, Chris Jermaine

AI 总结：提出并行分量解耦神经网络（PCD-Net），将分裂窗反演重构为物理分量系数的动态学习问题，通过分量级解耦建模和残差分支，实现复杂大气和地表条件下的高精度、鲁棒且全局可泛化的地表温度反演。

链接：https://arxiv.org/abs/2509.04991

作者：Tian Xie, Menghui Jiang, Chao Zeng, Huifang Li, Guanhao Zhang, Chan Li, Huanfeng Shen

AI 总结：提出用神经场重参数化4DVAR，利用谱偏置隐式正则化，无需背景误差协方差，实现并行时间优化，在混沌基准测试中优于经典方法。

链接：https://arxiv.org/abs/2509.21751

作者：Jaemin Oh

AI 总结：针对Wendelstein 7-X仿星器中电子温度梯度湍流，利用主动学习回归构建物理引导的标度律降阶模型，预测热流并评估插值与外推性能。

链接：https://arxiv.org/abs/2511.04567

作者：Ionut-Gabriel Farcas, Don Lawrence Carl Agapito Fernando, Alejandro Banon Navarro, Gabriele Merlo, Frank Jenko

AI 总结：证明在 Dec-POMDP 中，足够高的熵正则化可确保策略梯度收敛到对称等变联合策略，并通过实验发现高熵系数能提升跨种子交叉对战的回报。

链接：https://arxiv.org/abs/2511.22581

作者：Johannes Forkel, Constantin Ruhdorfer, Michael Beukman, Andreas Bulling, Jakob Foerster

AI 总结：通过对86个已部署系统的调查和20个案例研究，发现生产环境中的LLM智能体主要采用简单可控的方法，可靠性是首要挑战，并依赖系统级设计和人工评估。

链接：https://arxiv.org/abs/2512.04123

作者：Melissa Z. Pan, Negar Arabzadeh, Riccardo Cogo, Yuxuan Zhu, Alexander Xiong, Lakshya A Agrawal, Huanzhi Mao, Emma Shen, Sid Pallerla, Liana Patel, Shu Liu, Tianneng Shi, Xiaoyuan Liu, Jared Quincy Davis, Emmanuele Lacavalla, Alessandro Basile, Shuyi Yang, Paul Castro, Daniel Kang, Koushik Sen, Dawn Song, Joseph E. Gonzalez, Ion Stoica, Matei Zaharia, Marquita Ellis

AI 总结：本文证明了在完备可分度量空间中，$k$-最近邻分类器普适一致的充要条件是空间具有强Lebesgue-Besicovitch微分性质或Nagata的$\sigma$-有限维数，填补了最后缺失的环节。

链接：https://arxiv.org/abs/2512.17058

作者：Vladimir G. Pestov

AI 总结：提出模型继承概念，证明广义前馈网络是广义卷积网络的子集，并通过模型投影实现反向继承，用于参数高效的迁移学习。

链接：https://arxiv.org/abs/2602.06245

作者：Nicolas Ewen, Jairo Diaz-Rodriguez, Kelly Ramsay

AI 总结：研究发现大型语言模型在任务不匹配的激活引导下能内生抵抗，通过显式重启恢复正确生成，并识别出相关稀疏自编码器潜在变量，可增强或削弱该抵抗。

链接：https://arxiv.org/abs/2602.06941

作者：Alex McKenzie, Keenan Pepper, Stijn Servaes, Martin Leitgab, Murat Cubuktepe, Mike Vaiana, Diogo de Lucena, Judd Rosenblatt, Michael S. A. Graziano

AI 总结： 针对Allegro模型在精度与推理时间之间的权衡，采用多目标超参数优化，并设计经典扩展和量子-经典混合两种变体，在多个数据集上验证了混合变体在力预测精度上的优势。

链接：https://arxiv.org/abs/2602.16908

作者：G. Laskaris, D. Morozov, D. Tarpanov, A. Seth, J. Procelewska, G. Sai Gautam, A. Sagingalieva, R. Brasher, A. Melnikov

AI 总结：提出DySECT系统，通过LLM抽取三元组构建知识库，结合概率知识和图推理丰富知识，再反馈优化抽取器，形成闭环持续提升。

链接：https://arxiv.org/abs/2603.06915

作者：Moin Amin-Naseri, Hannah Kim, Estevam Hruschka

AI 总结：提出ACFS框架，结合广义随机森林、CEM全局搜索和重加权聚焦增强，解决决策依赖分布下的谱风险最小化问题，在重尾和偏态基准上优于现有方法。

链接：https://arxiv.org/abs/2603.12507

作者：Marcell T. Kurbucz

AI 总结：提出概率高斯同伦（PGH）框架，通过变形玻尔兹曼分布和玻尔兹曼加权梯度聚合，实现非凸优化的概率空间延拓，并导出基于蒙特卡洛梯度估计的实用算法PGHO。

链接：https://arxiv.org/abs/2603.13546

作者：Eshed Gal, Samy Wu Fung, Eldad Haber

AI 总结：针对稀疏目标下的二分类问题，证明旋转不变算法（如逻辑损失梯度下降）的过风险下界为Ω((d-1)/n)，而通过重参数化u_i v_i的非旋转不变算法可实现O(s log d / n)的上界。

链接：https://arxiv.org/abs/2603.20967

作者：Avrajit Ghosh, Bin Yu, Manfred Warmuth, Peter Bartlett

AI 总结：本文揭示视觉-语言模型通过语言骨干中的内容无关空间关系编码和视觉编码器中的全局布局表示两种机制实现空间变量绑定，其中视觉编码器起主导作用。

链接：https://arxiv.org/abs/2603.22278

作者：Kelly Cui, Nikhil Prakash, Shoval Messica, Ayush Raina, David Bau, Antonio Torralba, Tamar Rott Shaham

AI 总结：提出CountsDiff扩散框架，通过生存概率调度和显式损失加权简化Blackout扩散，引入连续时间训练、无分类器引导和逆动态，在自然图像和单细胞RNA-seq插补任务中匹配或超越现有方法。

链接：https://arxiv.org/abs/2604.03779

作者：Renzo G. Soatto, Anders Hoel, Greycen Ren, Shorna Alam, Stephen Bates, Nikolaos P. Daskalakis, Caroline Uhler, Maria Skoularidou

AI 总结：提出一种混合集成方法，结合思维链与程序化推理两种模式，通过仅需两个样本即可实现自一致性，将采样量减少9.3倍，并在78.6%的任务上达到最优。

链接：https://arxiv.org/abs/2604.17433

作者：Raman Saparkhan, Majd Hawasly, Md Rizwan Parvez, Mohammad Raza

AI 总结：本文扩展了变分推断在目标对称性下的鲁棒性理论，证明了使用前向KL散度和α-散度时，即使模型误设也能精确恢复目标均值和相关矩阵，并放宽了对数凹假设，适用于多模态分布。

链接：https://arxiv.org/abs/2604.21407

作者：Lena Zellinger, Antonio Vergari

AI 总结：针对机器学习检测器的时间偏差问题，构建时间戳数据集并采用BYOL自监督预训练，在时间感知评估下达到98%准确率和89%F1分数。

链接：https://arxiv.org/abs/2604.23025

作者：Annan Fu, Hao Pei, Maryam Tanha

AI 总结：提出约束极端梯度提升（cXGBoost）框架，通过Grassmann流形上的几何表示和范数约束，预测参数依赖的POD基，实现高效自适应的降阶建模。

链接：https://arxiv.org/abs/2605.04130

作者：Melika Baghi, Xiao Liu, Kamran Paynabar

AI 总结：提出SIRA，通过单次语料判别性检索压缩多轮探索，利用LLM丰富文档词汇、预测查询缺失词汇并基于语料统计过滤，在BEIR基准上取得最强平均检索性能，并在下游QA任务中超越RL训练的代理系统。

链接：https://arxiv.org/abs/2605.06647

作者：Zeyu Yang, Qi Ma, Jason Chen, Anshumali Shrivastava

AI 总结：提出P-GONE方法，结合条件扩散模型、图神经网络和REINFORCE微调，联合优化Trotter-Suzuki分解中的项分组、阶数和时间步分配，在保真度≥0.95时实现19.4倍电路深度压缩。

链接：https://arxiv.org/abs/2605.13268

作者：WenBin Yan

AI 总结：本文提出Insights Generator，一种多智能体系统，通过在语料库中提出和测试假设来生成基于证据的洞察报告，从而系统性地诊断LLM代理的行为模式。

链接：https://arxiv.org/abs/2605.21347

作者：Akshay Manglik, Apaar Shanker, Kaustubh Deshpande, Jason Qin, Yash Maurya, Veronica Chatrath, Vijay S. Kalmath, Levi Lentz, Yuan Xue

AI 总结：提出一种任务导向的分布式压缩框架，利用空间分布式接收机对频谱重叠的多发射源进行联合定位与表征，通过置换不变训练实现高效压缩与信息保留。

链接：https://arxiv.org/abs/2606.01446

作者：H. Nazim Bicer, J. Nicholas Laneman

AI 总结：针对激活预言机存在的幻觉和模糊性问题，通过四项训练改进（策略内 rollout、对话数据集优化、多层输入和注入公式改进）提升其质量，并开源首个综合评估套件 AObench。

链接：https://arxiv.org/abs/2606.02609

作者：Jan Bauer, Celeste De Schamphelaere, Adam Karvonen, Niclas Luick, Neel Nanda

AI 总结：通过稀疏自编码器分析，发现量化导致语言模型中的可解释特征逐渐退化，且任务指标无法完全反映这种损伤，量化与幅度剪枝共享相似的损伤模式。

链接：https://arxiv.org/abs/2606.03002

作者：Evan Duan

AI 总结：针对PPO在非平稳环境中优化失效的问题，提出高斯信任区域策略优化（GTR），通过高斯核重塑信任区域实现非单调约束，在保持局部稳定性的同时允许必要的大幅策略更新，并在多种任务中取得强性能。

链接：https://arxiv.org/abs/2606.03382

作者：Bingxu Liu, Jiashun Liu, Johan Obando-Ceron, Hao Wang, Runze Liu, Pablo Samuel Castro, Aaron Courville, Ling Pan

AI 总结：通过270公里部署单模光纤和33公里多芯光纤段，总长303公里，使用商用QKD系统与外部超导纳米线单光子探测器，实现了可信节点量子密钥分发，并演示了动态可重构光纤网络中的集成以及密钥速率对图像传输保真度的影响。

链接：https://arxiv.org/abs/2606.06107

作者：Martin Clason, Joakim Argillander, Didrik Bergström, Daniel Spegel-Lexne, Giulio Foletto, Ashraf El Hassan, Mohamed Bourennane, Onur Günlü, Katia Gallo, Rui Lin, Guilherme B. Xavier

AI 总结：通过DTG-FF方法在真实数据上评估前向-前向学习的扩展性，发现其与反向传播的差距随类别数增加而扩大，合成任务高估了其迁移能力，且内存优势不成立。

链接：https://arxiv.org/abs/2606.06539

作者：Yucheng Chen

AI 总结：提出Elmes*框架，自动构建细粒度场景特定量规，用于评估大语言模型在教育场景中的多维教学能力，构建Edu-330基准并揭示模型差异。

链接：https://arxiv.org/abs/2606.06546

作者：Tao Liu, Ye Lu, Ruohua Zhang, Siyu Song, Wentao Liu, Aimin Zhou, Hao Hao

AI 总结：针对扩散大语言模型训练后量化中前沿决策易翻转并永久锁定放大的问题，提出两阶段PTQ框架FAIR-Calib，通过前沿命中与掩码阶段可靠性估计位置先验，并利用重加权隐状态MSE校准优先保护脆弱前沿状态，理论证明其作为输出KL散度代理，实验显著优于基线。

链接：https://arxiv.org/abs/2606.06547

作者：Haoyu Huang, Linlin Yang, Sheng Xu, Boyu Liu, Guodong Guo, Zhongqian Fu, Hang Zhou, Baochang Zhang

AI 总结：提出多尺度特征注意力网络(MSFAN)，结合特征门控和多尺度并行卷积，利用太赫兹双梳光谱对12种聚合物进行分类，准确率达85.2%。

链接：https://arxiv.org/abs/2606.06554

作者：Roshni Mahtani, Ilán Carretero, Laura Monroy, Aldo Moreno-Oyervides, Oscar Elías Bonilla-Manrique, Rocío del Amor

AI 总结：针对固定评估预算下的噪声进化策略，提出概率精英成员（PEM）方法，通过条件期望秩权重替代硬秩权重，实现Rao-Blackwell化降噪，在COCO基准和RL等任务中取得一致提升。

链接：https://arxiv.org/abs/2606.06555

作者：Sichen Wang, Zhipeng Lu

AI 总结：提出MacArena基准，包含421个任务和50个应用，在Apple Silicon上运行，揭示macOS对GUI代理的独特挑战，模型排名在移植任务和原生任务间反转。

链接：https://arxiv.org/abs/2606.06560

作者：Victor Muryn, Maksym Shamrai, Sofiia Mazepa, Yehor Khodysko

AI 总结：提出WAV v1方法，通过为每个块增加方向性细节基（相位基和分裂基）来增强残差路由，在深层Transformer中优于现有方法，48层时在TinyStories和Text8上取得更低验证损失。

链接：https://arxiv.org/abs/2606.06564

作者：Kehan Wang

AI 总结：提出AI LOD框架，根据NPC与玩家摄像头的距离调整机器学习推理精度，利用量化模型作为近似，在保持感知质量的同时降低计算开销。

链接：https://arxiv.org/abs/2606.06565

作者：Mathew Varghese

AI 总结：综述符号回归中的不确定性量化方法，涵盖频率派、贝叶斯和模型选择三个研究方向，指出该领域尚待探索。

链接：https://arxiv.org/abs/2606.06567

作者：Julia Reuter, Fabricio Olivetti de Franca

AI 总结：本文论证现代生成模型在亚AGI能力水平上通过市场选择机制侵蚀人类时间学习，提出价值崩溃路径并用昂贵检验框架形式化，跨领域证据显示验证侵蚀四阶段。

链接：https://arxiv.org/abs/2606.06572

作者：Wenjun Cao

AI 总结：提出尺度选择性POD方法分析Transformer注意力场，通过Morlet小波识别时间尺度，提取各尺度能量主导模态，揭示层间尺度组织规律，无需架构修改或语言标注。

链接：https://arxiv.org/abs/2606.06573

作者：Athanasios Zeris

AI 总结：本文提出PoLar方法，通过轻量级预测网络学习为每个输入动态跳过或重复预训练层，在数学推理任务上以更少层数提升准确率。

链接：https://arxiv.org/abs/2606.06574

作者：Ziyue Li, Yang Li, Tianyi Zhou

AI 总结：提出高斯过程潜在因子回归（GPLFR）模型，通过将输出表示为低维潜在状态的线性高斯解码，联合优化压缩与预测，解决低数据高维输出回归问题，并首次构建岩石系外行星全球气候模型的空间分辨仿真器。

链接：https://arxiv.org/abs/2606.06576

作者：Edward T. Stevenson, Eric T. Wolf, Mei Ting Mak, N. J. Mayne, Miles Cranmer

AI 总结：提出DIRECT框架，通过分解外观、几何和上下文引导，实现可控制3D姿态的物体插入，在几何可控性和视觉质量上优于现有方法。

链接：https://arxiv.org/abs/2606.06601

作者：Jingbo Gong, Yikai Wang, Yushi Lan, Yuhao Wan, Ziheng Ouyang, Rui Zhao, Ming-Ming Cheng, Qibin Hou, Chen Change Loy

AI 总结：针对现有音乐检索模型无法处理细粒度属性查询的问题，提出多视角对比架构FIGMA，通过联合优化全局音频-文本对齐和帧级标记对齐，在统一表示空间中捕获高层语义和细粒度音乐属性，并在新构建的细粒度音乐描述数据集上取得显著提升。

链接：https://arxiv.org/abs/2606.06615

作者：Nishit Anand, Ashish Seth, Sreyan Ghosh, Dinesh Manocha, Ramani Duraiswami

AI 总结：针对仅依赖短程离线轨迹进行长程路线规划的问题，提出ChronoForest系统，通过锚链树扩散规划器和在线多树协调器实现局部桥接搜索与全局路线重解，在OGBench和哈密顿路线组合基准上显著提升成功率和效率。

链接：https://arxiv.org/abs/2606.06618

作者：Jungmin Seo, Jaesik Park

AI 总结：本书通过表示学习视角，用优化和信息论解释现代神经网络架构设计原理，旨在打开黑箱，提高可解释性、可靠性和可控性。

链接：https://arxiv.org/abs/2606.06624

作者：San Buchanan, Druv Pai, Peng Wang, Yi Ma

AI 总结：研究利用日常互联网视频协同训练机器人操作策略时，手部姿态质量和运动差距对迁移的影响，提出一种协同训练方法，在低机器人数据场景下六个操作任务中绝对成功率提升29.7%。

链接：https://arxiv.org/abs/2606.06627

作者：Richard Li, Aditya Prakash, Andrew Wen, Saurabh Gupta, Yilun Du, Pulkit Agrawal

AI 总结： 提出FMScope协议，通过方差分解、主题轴擦除等五种诊断方法，揭示EEG基础模型在受试者分离交叉验证中可能依赖受试者身份特征而非临床生物标志物，并验证了该陷阱的普遍性及可移除性。

链接：https://arxiv.org/abs/2606.06647

作者：Jun-You Lin, Ying Choon Wu, Tzyy-Ping Jung

AI 总结：针对粗粒化随机偏微分方程无法准确捕捉短时非马尔可夫效应和低密度非高斯分布的问题，提出生成式流匹配方法直接建模粒子模拟中的概率通量分布，在Kramers首通时间问题中准确捕捉短时行为并改进数密度统计矩预测。

链接：https://arxiv.org/abs/2606.06658

作者：Bhargav Sriram Siddani, John B. Bell, Alejandro L. Garcia, Ishan Srivastava

AI 总结：针对AI-RAN中参数-KPI依赖关系可能失效的问题，提出基于布尔矩阵的滑动窗口推理方法，通过事件流一致性检测实现轻量级可解释依赖追踪。

链接：https://arxiv.org/abs/2606.06663

作者：Christie Djidjev, Nicholas Kaminski

AI 总结：提出ViSAE工具箱，通过神经科学启发的概念电路解释视觉变换器内部机制，包含高效概念集、自动电路追踪算法和概念编辑应用，在WaterBirds上最差组准确率提升48.2%。

链接：https://arxiv.org/abs/2606.06664

作者：Tang Li, Yanlin Chen, Mengmeng Ma, Xi Peng

AI 总结：提出ULPS框架，结合校准的大语言模型与不确定性估计，通过A*轨迹微调BERT模型提供动作建议，并用熵机制平衡LLM引导与PPO策略，在MiniGridUnlockPickup基准上显著提升成功率、奖励效率和样本复杂度。

链接：https://arxiv.org/abs/2606.06673

作者：Ujjwal Bhatta, Utsabi Dangol, Sumaly Bajracharya, Rodrigue Rizk, KC Santosh

AI 总结：提出GiFlow框架，利用图信息先验和混合向量场模型进行时空插补，优于现有方法。

链接：https://arxiv.org/abs/2606.06682

作者：Zepeng Zhang, Aref Einizade, Jhony H. Giraldo, Olga Fink

AI 总结：提出无服务器半去中心化联邦学习（SSD-FL），通过轻量级D2D初始化实现聚类，利用有效损失函数和Cheeger不等式优化聚类，提升收敛速度和通信效率。

链接：https://arxiv.org/abs/2606.06687

作者：Su Wang, Mung Chiang, H. Vincent Poor

AI 总结：通过行为审计七种LLM在四个美国城市的住房推荐，发现种族引导是模型解释性许可的涌现行为，而非静态属性，且城市并非中性测试单元。

链接：https://arxiv.org/abs/2606.06694

作者： Hana Samad, Trung Lam, Christoph Mügge-Durum, Michael Akinwumi

AI 总结：提出RECAP基准，在严格主动适应-测试协议下评估提示优化方法对约束变化的持续学习能力，发现现有方法在主动场景下性能无显著提升，强调设计主动提示适应方法的必要性。

链接：https://arxiv.org/abs/2606.06698

作者：Harsh Deshpande, Kushal Chawla, Sangwoo Cho, William Campbell

AI 总结：研究主题情感对感知政治意识形态的因果效应，通过比较人类与LLM标注，发现微调GPT-4o-mini产生显著因果效应，归因于捷径学习。

链接：https://arxiv.org/abs/2606.06715

作者：Upasana Chatterjee

AI 总结：提出ShallowBench基准，包含5780个浅口袋靶标，用于评估生成式药物设计模型在低凹度界面上的性能，揭示现有模型预测结合亲和力较弱的问题。

链接：https://arxiv.org/abs/2606.06717

作者：Saket Reddy, Shiwei Liu

AI 总结：提出多尺度注意力增强卷积网络MSAIC-Net，通过并行空洞卷积提取多尺度特征、通道注意力重加权、不平衡感知对比学习及导联置换重要性分析，在低数据量UVA队列和大规模PTB-XL数据集上实现心肌瘢痕和心肌梗死检测的准确性和可解释性提升。

链接：https://arxiv.org/abs/2606.06718

作者：Canyu Lei, Fenglin Zhang, Derek Bivona, Cristiane Singulane, Jonathan Pan, Kenneth Bilchick, Amit R. Patel, Jianxin Xie

AI 总结：针对非全局L-光滑的神经网络目标函数，提出一种只需梯度局部Lipschitz连续的定义，设计自适应一阶方法实现大步长并始终处于稳定性边缘，发现过早进入全局平坦区域会降低收敛速度和泛化能力。

链接：https://arxiv.org/abs/2606.06722

作者：Leonardo Galli, Curtis Fox, Wiebke Bartolomaeus, Mark Schmidt, Holger Rauhut

AI 总结：提出基于贝叶斯概率上下文无关文法从方程语料库生成结构相似的合成回归数据集，通过非侵入式探测确定物理有效域，统计验证表明合成数据在结构保真度上优于纯概率方法，且在下游超参数调优中性能接近真实数据。

链接：https://arxiv.org/abs/2606.06724

作者：Jari Vepsäläinen

AI 总结：提出OpenSkill框架，使智能体在无目标任务监督下，利用开放世界资源自举构建技能和验证信号，实现自我进化，在多个基准上取得最佳自动通过率。

链接：https://arxiv.org/abs/2606.06741

作者：Zhiling Yan, Dingjie Song, Hanrong Zhang, Wei Liang, Yuxuan Zhang, Yutong Dai, Lifang He, Philip S. Yu, Ran Xu, Xiang Li, Lichao Sun

AI 总结：提出GPU加速的核学习库TorchKM，通过智能复用矩阵运算加速SVM、核逻辑回归等模型的训练与模型选择，性能优于标准基线。

链接：https://arxiv.org/abs/2606.06742

作者：Yikai Zhang, Gaoxiang Jia, Jie Ding, Boxiang Wang

AI 总结：提出一个具有时间扩展反馈的双边匹配框架，将其建模为部分可观测马尔可夫博弈，并基于多智能体强化学习构建Learn2Match基准，实验表明独立PPO优于bandit基线，但存在信息摩擦损失。

链接：https://arxiv.org/abs/2606.06744

作者：Haijing Zong, Yancheng Liang, Boyang Zhou, Natasha Jaques

AI 总结：针对深度强化学习算法运行间鲁棒性低的问题，提出基于百分位的统计量（min-max IPR）和可视化方法（逐运行百分位高亮），用于评估性能变化，并通过三个案例验证其有效性。

链接：https://arxiv.org/abs/2606.06746

作者：Haruto Tanaka, A. Rupam Mahmood

AI 总结：提出证据图一致性（EGC）框架，通过构建局部证据图并计算五种结构一致性指标检测幻觉，发现不同模型族间一致性特征方向相反，表明嵌入图一致性不能作为模型无关的检测信号。

链接：https://arxiv.org/abs/2606.06748

作者：Jianru Shen

AI 总结：本文针对深度ReLU网络，在神经正切核（NTK）机制下，首次建立了梯度下降（GD）和随机梯度下降（SGD）的极小化最优泛化误差速率，证明宽度足够时可达核方法的最优速率。

链接：https://arxiv.org/abs/2606.06764

作者：Junyu Zhou, Puyu Wang, Yunwen Lei, Yiming Ying, Ding-Xuan Zhou

AI 总结：通过整合矿渣反应性描述符（AMODE）与机器学习，从最大规模文献数据集预测碱激发矿渣抗压强度，揭示物理一致趋势并探索低碳设计空间。

链接：https://arxiv.org/abs/2606.06765

作者：Qiyao He, Zhanzhao Li, Kai Gong

AI 总结：本文建立了过参数化深度神经网络与核方法学习动力学的联系，证明了梯度下降和随机梯度下降在足够宽度下能达到极小化最优泛化误差。

链接：https://arxiv.org/abs/2606.06772

作者：Junyu Zhou, Puyu Wang, Yunwen Lei, Marius Kloft, Yiming Ying

AI 总结：提出基于滚动行为窗口的流失预测框架，在非契约服务环境中实现连续风险评估，特征模型准确率87.6%、ROC-AUC 0.94，序列模型召回率96.1%。

链接：https://arxiv.org/abs/2606.06776

作者：Muhammad Jawad Mufti, Omar Hammad, Haitham Saleh, Muqaddas Gull

AI 总结：研究Tyler's M-估计器在临界信噪比DS-SNR=1时的行为，证明其收敛到真实子空间，建立尖锐相变。

链接：https://arxiv.org/abs/2606.06782

作者：Gilad Lerman, Teng Zhang

AI 总结：提出一种基于无监督深度学习的方法，从焦堆相机图像估计深度，在NYU-v2数据集上相比单图像方法显著提高精度。

链接：https://arxiv.org/abs/2203.07904

作者：Zhengyu Huang, Weizhi Du, Theodore B. Norris

AI 总结：本文通过消融实验研究NVFP4 LUT推理框架，结合4位激活、两级缩放和电压缩放存储，在边缘高效模型上实现高达26.85倍能耗降低和2.21倍面积缩减。

链接：https://arxiv.org/abs/2606.06527

作者：Ovishake Sen, Venkata Nithin Kamineni, Daniel Lobo, Swarup Bhunia, Rickard Ewetz, Baibhab Chatterjee

AI 总结：本文研究攻击者策略性选择攻击时机对AI控制安全性的影响，通过分解攻击决策为开始和停止策略，实验表明两者均显著降低安全性，现有评估可能高估安全性。

链接：https://arxiv.org/abs/2606.06529

作者：Catherine Ge-Wang, Tyler Crosse, Benjamin Hadad, Joachim Schaeffer, Ram Potham, Tyler Tracy

AI 总结：通过灰色文献综述，总结了25条架构上重要的MLOps指南，分为五类，用于指导ML模型在MLOps系统中的集成与部署。

链接：https://arxiv.org/abs/2606.06535

作者：Faezeh Amou Najafabad, Markus Haug, Keerthiga Rajenthiram, Justus Bogner, Ilias Gerostathopoulos

AI 总结：提出AE-YOLO框架，通过注意力引导自编码器融合与方差最大化正则化，解决无人机图像中绝缘子缺陷检测的类别不平衡和尺度变化问题，在mAP@0.5上达95.10%，优于YOLO基线5个百分点。

链接：https://arxiv.org/abs/2606.06536

作者：Malak Allam, Khaled Shaban, Ali Hamdi

AI 总结：将偏见形式化为对称性破缺操作，通过损失正则化恢复对称性，在合成数据集上实现90%以上的违规减少，准确率成本约5%。

链接：https://arxiv.org/abs/2606.06514

作者：Nishit Singh

AI 总结：提出DxPTA方法，通过光学数据流分析架构参数并设计约束感知搜索算法，实现光子Transformer加速器的高效硬件/软件协同设计，在满足面积、功耗等约束下显著提升搜索速度。

链接：https://arxiv.org/abs/2606.06515

作者：Rachmad Vidya Wicaksana Putra, Solomon Micheal Serunjogi, Mahmoud Rasras, Muhammad Shafique

AI 总结：提出一种新的概率监督学习方法，利用数字孪生和概率逆学习，在骨髓移植前自动预测静脉闭塞性疾病（VOD）的严重程度评分，辅助医生制定治疗方案。

链接：https://arxiv.org/abs/2606.06516

作者：Dalia Chakrabarty, Kane Warrior, Chuqiao Zhang, Akash Bhojgaria, Joydeep Chakrabartty

AI 总结：针对数独求解中学习型求解器缺乏正确性保证而符号求解器存在长尾搜索的问题，提出扩散模型引导的分支选择方法DiBS，在保持符号求解器完备性的同时，利用扩散模型排序候选值，显著降低搜索成本。

链接：https://arxiv.org/abs/2606.06518

作者：Bo Liu, Yuan Xie, Yuan Gao, Xiaolong Luo, Peng Ye, Tao Chen, Fujun Han

AI 总结：提出SafeGene，一种可重用的安全适配器模块，通过从对齐-退化模型差异中提取安全表示，并利用数据感知层选择和少样本系数重校准，实现跨任务的安全恢复，在保持下游性能的同时降低有害响应率。

链接：https://arxiv.org/abs/2606.06519

作者：Yanghan Wang, Zhiqiang Kou, Fu Feng, Jing Wang, Xin Geng

AI 总结：针对FP8注意力计算中softmax概率矩阵P在乘法前转换为FP8时的精度问题，分析了KV块迭代顺序和静态缩放因子对精度的影响，发现正向迭代导致非sink值下溢为0，反向迭代结合S=256可消除下溢，并证明S=256在比特精确、量化步长和覆盖范围上最优。

链接：https://arxiv.org/abs/2606.06521

作者：Reed Lau

AI 总结：提出Lean4Agent框架，利用依赖类型形式语言Lean4对智能体工作流进行形式化建模与验证，通过FormalAgentLib库和LeanEvolve方法提升工作流可靠性，实验验证通过的工作流性能平均提升11.94%。

链接：https://arxiv.org/abs/2606.06523

作者：Ruida Wang, Jerry Huang, Pengcheng Wang, Xuanqing Liu, Luyang Kong, Tong Zhang

AI 总结：提出物理引导深度学习框架，融合多模态遥感与浅水方程约束，通过UNet-FNO混合架构实现高精度洪水预测，IoU达0.82，F1达0.90。

链接：https://arxiv.org/abs/2606.06524

作者：Tewodros Syum Gebre, Jagrati Talreja, Leila Hashemi-Beni

AI 总结：提出CrowdMath数据集，包含164条专家标注的进展链，用于评估大语言模型在协作开放问题求解中的能力，发现模型在局部预测上表现良好但在角色分类上存在不足。

链接：https://arxiv.org/abs/2606.06526

作者：Sherin Muckatira, Jesse Geneson, Slava Gerovitch, Pavel Etingof, Mikhail Gronas, Anna Rumshisky