机器学习学术速递[9.22]

AI 总结：本研究通过SVD分解分析LLM后训练权重变化，发现对角分量（重塑奇异值）的移除通常保留大部分收益，表明后训练主要重新配置和扩展预训练路径，而非改变奇异值。

链接：https://arxiv.org/abs/2609.22146

机构：CUNY Graduate Center（纽约市立大学研究生中心）； The City College of New York（纽约市立大学城市学院）

作者：Jianing Qi, Hao Tang, Zhigang Zhu

AI 总结：本研究将MoE投机解码的预算选择建模为离线随机最短路径问题，通过诊断Oracle发现拒绝候选呈线性边界，揭示了平衡边际成本与预期进展的必要条件，为自适应在线启发式设计提供数学基础。

链接：https://arxiv.org/abs/2609.22156

作者：Aidar Amankulov, Denis Mamatin

AI 总结：该研究提出结合深度学习序列模型与同时分位数回归的预测性维护框架，用于半导体制造中不确定性感知的剩余使用寿命估计，其中S4D模型在PHM18数据上表现最佳，显著降低业务成本。

链接：https://arxiv.org/abs/2609.22160

机构：University of Padova（帕多瓦大学）

作者：Davide Frizzo, Francesco Borsatti, Gian Antonio Susto

AI 总结：针对Transformer层间参数冗余，提出跨层共享专家的CS-MoE架构，实现更低困惑度并仅激活55%参数，为计算受限环境提供高效方案。

链接：https://arxiv.org/abs/2609.22199

机构：China Electronics Cloud Technology Co., Ltd.（中国电子云科技有限公司）

作者：Dian Jiao, Jiaxin Duan, Shuai Zhao, Jiabing Leng, Yiran Zhang, Feng Huang

AI 总结：本研究利用回声状态网络（储层计算）对跳跃四分之一车模型的非线性振荡进行数据驱动预测，成功重建分岔图和吸引子，验证了其在非光滑车辆动力学中的可行性。

链接：https://arxiv.org/abs/2609.22205

机构：Tokyo University of Agriculture and Technology（东京农工大学）； Amity University Haryana - Gurugram（Amity大学哈里亚纳邦-古鲁格拉姆校区）； Nagoya Institute of Technology（名古屋工业大学）； Central University of Rajasthan（中央拉贾斯坦大学）

作者：Masahisa Watanabe, Shiva Dixit, Nirmal Punetha, Swati Chauhan, Manish Dev Shirimali

AI 总结：本研究揭示不同大语言模型在列表计数任务上呈现不同错误模式，且错误模式与输入瓶颈无关，并警示幅度修正方法不可直接跨模型迁移。

链接：https://arxiv.org/abs/2609.22230

机构：The George Washington University（乔治华盛顿大学）

作者：Iyad Ait Hou, Saad Mankarious, Aya Zirikly, Rebecca Hwa

AI 总结：本研究针对MoE模型结合投机解码时内存传输瓶颈问题，发现训练中采用全局负载均衡损失、共享专家、一致性损失和自回归专家选择机制可增强专家共激活，从而在保持准确率的同时将吞吐量提升21%。

链接：https://arxiv.org/abs/2609.22471

机构：Apple（苹果公司）

作者：Kumari Nishu, Han-Byul Kim, Santosh Chilkunda, Maxwell Horton, Arnav Kundu, Mohammad Samragh, Lauren Hannah, Mohammad Sekhavat, Nikhil Bhendawade, Manuel Ciosici, Iman Mirzadeh, Keivan Alizadeh Vahid, David Harrison, Irina Belousova, Mehrdad Farajtabar, Minsik Cho

AI 总结：COREM通过利用矩阵值优化器状态中的余弦关系重塑动量并状态回写，在CIFAR-10和enwik8上实现更优或相当的最终性能，且计算开销更低。

链接：https://arxiv.org/abs/2609.22487

机构：Aalto University（阿尔托大学）； Helsinki University（赫尔辛基大学）； City University of Hong Kong（香港城市大学）

作者：Yan Wang, Xiaochuan Wang, Yuxiang Sun

AI 总结：本文提出权重算子概念，通过两阶段学习实现功能组件的可重用与选择性更新，并以向量网络验证，旨在解决权重纠缠问题，促进功能参数可识别性。

链接：https://arxiv.org/abs/2609.22554

机构：Institute of Neuroinformatics, UZH / ETH Zurich（苏黎世大学/苏黎世联邦理工学院神经信息学研究所）； ETH AI Center（苏黎世联邦理工学院人工智能中心）

作者：Giuseppe Chindemi, Benjamin F. Grewe

AI 总结：本文基于ns-3仿真，比较多种机器学习方法在不利传播条件下用户级切换决策中的性能，发现SVM和MLP最适合分类，LightGBM在下载时间估计上误差最小且处理时间短。

链接：https://arxiv.org/abs/2609.22593

机构：CPQD； Federal University of Juiz de Fora（茹伊斯迪福拉联邦大学）； Munster Technological University（芒斯特理工大学）； Federal University of Rio Grande do Norte（北里奥格兰德联邦大学）

作者：João Lima, Alvaro Medeiros, Eduardo Aguiar, Vicente Angelo de Sousa Junior, Tarciana Guerra

AI 总结：本研究通过端到端基准测试和预算审计，证明核心集选择方法在固定墙钟时间预算下不优于随机采样或全数据训练，其选择成本无法摊销，评估时忽略选择时间会误导结论。

链接：https://arxiv.org/abs/2609.22894

机构：Shandong University（山东大学）

作者：Yangze Liu, Zhongyi Han

AI 总结：FlashBoB 提出一种 I/O 高效的精确反向-反向传播算法，利用 softmax 二阶反向的仿射结构，避免 N×N 中间张量，将序列长度扩展到 262K，比 FlashBack 快 6.3 倍。

链接：https://arxiv.org/abs/2609.24089

机构：George Mason University（乔治梅森大学）

作者：Anthony Givans, Michael Crawshaw, Mingrui Liu

AI 总结：提出MemCalib基准评估LLM智能体记忆使用，发现模型存在过度使用或使用不足问题，并设计MemCalib-RL算法通过双向反事实信用分配优化，实现最佳整体性能并平衡两种偏差。

链接：https://arxiv.org/abs/2609.24259

机构：University of Science and Technology of China（中国科学技术大学）； Qwen Applications Business Group, Alibaba Group（阿里巴巴集团通义应用业务集团）； Fudan University（复旦大学）

作者：Ruike Cao, Fanyu Zhao, Fugen Yao, Liang Dong, Jian Xu, Guanjun Jiang, Yifei Zhao, Han Zhang, Li Xiao

AI 总结：本研究提出药代动力学状态空间模型，利用药物输注历史预测术中低血压，实现AUROC 0.7360，较随机基线提升2.73倍，并验证了药代动力学轨迹的预测价值及Mamba架构的部署优势。

链接：https://arxiv.org/abs/2609.24338

机构：PES University（PES大学）

作者：Rithin Nagaraj, Sudiksha Chindula, Bhaskarjyoti Das

AI 总结：本文提出诊断-干预-验证框架，评估SVDA中谱能量保持干预，在多个数据集上有效减少计算量且精度损失极小，支持其作为可解释注意力机制。

链接：https://arxiv.org/abs/2609.24370

机构：Athena Research Center（雅典娜研究中心）

作者：Vasileios Arampatzakis, Vasileios Sevetlidis, George Pavlidis

AI 总结：本研究通过稀疏自编码器对比Mamba与Transformer的潜在表征，发现两者在语义理解上无系统性差异，仅少数特征在语法边缘处存在分歧。

链接：https://arxiv.org/abs/2609.24440

机构：PES University（PES大学）

作者：Rithin Nagaraj, Rupa Laalasa Oruganti, Prerna Subhashchandra Kunder, Ashwini M Joshi

AI 总结：本研究提出利用下一代储层计算（NGRC）从部分观测数据推断动力系统未知分量，在混沌系统及ENSO气候数据上均展现出高效准确的推断能力。

链接：https://arxiv.org/abs/2609.24754

机构：University College Cork（科克大学）； Potsdam Institute for Climate Impact Research（波茨坦气候影响研究所）

作者：Jule Budnick, Andrew Keane, Serhiy Yanchuk

AI 总结：本研究提出活动链编码器（ACE），一种自监督深度表示学习方法，结合预训练城市嵌入和Transformer建模手机定位数据中的日常活动链，无需活动标签即可识别伦敦六个工作日活动模式组，为从无标签移动数据中提取行为模式提供了整体路径。

链接：https://arxiv.org/abs/2609.22121

机构：University College London（伦敦大学学院）； Wuhan University（武汉大学）； The Chinese University of Hong Kong（香港中文大学）； The Alan Turing Institute（艾伦·图灵研究所）

作者：Xinglei Wang, Junyuan Liu, Guangsheng Dong, Zichao Zeng, Stephen Law, James Haworth, Tao Cheng

AI 总结：提出DPTM-DT双预训练Transformer框架，融合分子图、蛋白质语言模型和理化特征，通过双向跨模态注意力实现多任务药物-靶点预测，在Davis和KIBA上取得最优性能。

链接：https://arxiv.org/abs/2609.22184

机构：Beihang University（北京航空航天大学）

作者：Ge Kong

AI 总结：针对电潜泵故障诊断中类别不平衡与单元差异性问题，提出结合孪生对比学习和先验校正KNN的框架，经LOEO验证，实现稳健的故障分类，支持可靠预测性维护。

链接：https://arxiv.org/abs/2609.22360

作者：Seshu K. Damarla, Xiuli Zhu

AI 总结：针对科学数据压缩，提出结合潜空间RVQ、U-Net像素空间残差校正和GAE误差界保证的后处理流水线，在S3D、JHTDB和E3SM数据集上提升压缩比并维持严格误差界。

链接：https://arxiv.org/abs/2609.23185

机构：University of Florida（佛罗里达大学）

作者：Surya Majumder, Liangji Zhu, Sanjay Ranka, Anand Rangarajan

AI 总结：针对条件生成模型学习复杂协变量依赖的挑战，提出Belted Engression框架，通过嵌入结构瓶颈实现端到端压缩-生成，理论上证明SDR等价性并给出更优收敛速率，实验表明以更少参数取得更优分布预测与降维恢复。

链接：https://arxiv.org/abs/2609.23789

机构：The Pennsylvania State University（宾夕法尼亚州立大学）

作者：Wenxi Tan, Bing Li, Lingzhou Xue

AI 总结：针对临床多模态数据缺失问题，提出GLR-MM框架，利用图注意力与局部跨模态重建缺失嵌入，在严重缺失（50%）时优于现有方法，提升ICU死亡率预测性能。

链接：https://arxiv.org/abs/2609.23876

机构：Houston Methodist（休斯顿卫理公会医院）； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）； Walmart（沃尔玛）

作者：Surbhi Sharma, Nikhil Manali, Devesh Maheshwari

AI 总结：针对像素重建世界模型在视觉复杂环境中易受干扰的问题，提出对比世界模型，用互信息下界替代重建损失，在干扰背景下显著优于Dreamer，且训练更高效。

链接：https://arxiv.org/abs/2609.22175

作者：Bonnie Li

AI 总结：本文提出OpenBlock，一个双轨内容生成的自适应拼图匹配平台，通过验证门控保证可放置性，并利用自对弈强化学习诊断失败模式，实验表明其神经轨显著提升玩家留存与时长。

链接：https://arxiv.org/abs/2609.22177

作者：Jiang Jun

AI 总结：针对计算机使用智能体仅优化任务完成而缺乏安全行为的问题，提出SCOPE联合后训练方法及SCOPE-Gen数据流水线，通过监督微调和在线强化学习，在OSWorld和OS-BLIND上取得最佳能力-安全平衡。

链接：https://arxiv.org/abs/2609.22178

机构：Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）； Harbin Institute of Technology（哈尔滨工业大学）； Fudan University（复旦大学）； Zhejiang University（浙江大学）； Hefei University of Technology（合肥工业大学）

作者：Zeyu Kang, Zhenyun Yin, Yang Zhang, Shan He, Shanzhe Lei, Yanjiu Zhong, Xinquan Chen, Yuhong Wang

AI 总结：本研究通过诊断教师支持与奖励余量，在长周期广告智能体中平衡SFT与RL，针对性RL提升7/8技能，最大增益+11.27点，并降低泄漏。

链接：https://arxiv.org/abs/2609.22194

机构：Amazon Advertising（亚马逊广告）； Amazon Web Services Agentic AI（亚马逊云科技智能体人工智能）

作者：Aakash Kolekar, Sahika Genc, Bunyamin Sisman, Shahriar Shariat, Shree Vandana Kachroo, Avishek Saha, Qianli Wu, Ari Singer, Benoit Dumoulin

AI 总结：针对 LLM 生成 GPU 内核的基准测试预言机，提出变异分析作为充分性度量，注入万余故障评估检测率，揭示官方检查器漏检 16.9% 故障，并优化测试套件提升至 98% 检测率。

链接：https://arxiv.org/abs/2609.22220

机构：National University of Singapore（新加坡国立大学）； Nanyang Technological University（南洋理工大学）； CAIR, VinUniversity（VinUniversity 人工智能研究中心）

作者：Mingzhe Du, Anh Tuan Luu, Dong Huang, See-Kiong Ng

AI 总结：针对RRT策略优化中数据异质与缺失问题，提出面向AI的CNA健康评估，结合23维状态与矩阵分解，通过离线强化学习将死亡率降低62.24%，住院时间缩短18.93%。

链接：https://arxiv.org/abs/2609.22232

机构：Chongqing Institute of Green and Intelligent Technology, CAS（中国科学院重庆绿色智能技术研究院）； Chongqing School, University of Chinese Academy of Sciences（中国科学院大学重庆学院）； Department of Anesthesiology, Southwest Hospital, Third Military Medical University (Army Medical University)（陆军军医大学（第三军医大学）西南医院麻醉科）； College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院）； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）

作者：Jiang Liu, Chan Zhou, Yujie Li, Di Wu, Yihao Xie, Peiwei Li, Xin Shu, Jiaqi Zhu, Chunyong Yang, Yuwen Chen, Bin Yi

AI 总结：提出通用天文台图框架，将太阳系L2点天文台建模为加权图，用于分布式天空覆盖评估和基于Q学习的行星际路由优化。

链接：https://arxiv.org/abs/2609.22244

作者：Mohammed Abdel Razek

AI 总结：提出环境反馈驱动的RS-Claw-Evolution框架，通过交互、经验与决策三阶段进化，使轻量级Qwen3-4B智能体在长时程遥感任务中超越更大模型，接近GPT-5。

链接：https://arxiv.org/abs/2609.22258

机构：Central South University（中南大学）； Hunan University of Science and Technology（湖南科技大学）； University of Electronic Science and Technology of China（电子科技大学）

作者：Kai Ouyang, Dongyang Hou, Liangtian Liu, Zeyuan Wang, Ziyu Li, Chengfu Liu, Zichao Tang, Xuezhi Cui, Shengwu Ouyang, Wentao Yang, Hanwen Yu, Haifeng Li

AI 总结：针对工业过程复杂性，提出混合PID-RL控制器，利用TD3智能体发现最优参数并馈入PID，兼顾性能、效率与可靠性。

链接：https://arxiv.org/abs/2609.22584

作者：Zhengyang (Cissy)Gu, Joseph E. Hernandez, John Burtenshaw, Sean Scott, Thomas Cook, Chris Couch

AI 总结：本文提出基于单臂停止问题最小最大解的索引策略，用于有限时域伯努利多臂老虎机，实现分布无关的遗憾界，并在实验中优于基准策略。

链接：https://arxiv.org/abs/2609.22690

机构：Shanghai Jiao Tong University（上海交通大学）； The University of Sydney（悉尼大学）； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）； Imperial College Business School（帝国理工学院商学院）

作者：Huikang Liu, Zhengchao Wang, Daniel Kuhn, Wolfram Wiesemann

AI 总结：针对制造AI需适应分布漂移且受安全信任约束的问题，提出闭环CPS自主管理模型生命周期，通过模型竞争与信任门机制，实现过程稳定性提升28-45%且零事故。

链接：https://arxiv.org/abs/2609.22701

机构：Liveline Technologies

作者：Zhengyang (Cissy)Gu, Thomas Cook, Fredaljohn Rohrbaugh, Joseph E. Hernandez, Chris Couch

AI 总结：针对做市策略面临模型不确定性和制度风险，提出结合Hawkes订单流、价格冲击与LSTM的对抗强化学习框架，通过博弈论分析和实验验证，在复杂微观结构环境中显著提升收益左尾稳健性。

链接：https://arxiv.org/abs/2609.22785

机构：North China Institute of Computer System Engineering（华北计算机系统工程研究所）； University of Science and Technology of China（中国科学技术大学）

作者：Hao Yang, Zhenguo Xu

AI 总结：本研究提出Per-FedAvg-PG算法，通过MAML式策略初始化实现个性化联邦强化学习，证明其收敛性并分析免Hessian变体，实验表明以更低样本成本实现有效迁移。

链接：https://arxiv.org/abs/2609.22833

机构：Stockholm University（斯德哥尔摩大学）； Mahidol University（玛希隆大学）

作者：Ali Beikmohammadi, Sarit Khirirat, Sindri Magnússon

AI 总结：本研究通过迷宫任务中的受控干预测试LLM智能体中好—坏结果方向的功能效价构念效度，发现该方向具有价值相关功能但非历史不变的标量效价状态。

链接：https://arxiv.org/abs/2609.22850

机构：The University of Tokyo（东京大学）； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））； The Hong Kong University of Science and Technology（香港科技大学）

作者：Weihan Li, Xinlei Chen, Yuhan Song, Xiaofeng Lin, Tianshi Zheng

AI 总结：针对全流水线FP8强化学习训练不稳定性问题，提出校准裁剪动态方法对齐FP8裁剪边界与BF16分布，消除熵激增并恢复性能。

链接：https://arxiv.org/abs/2609.22870

作者：Fanchao Chen, Ziheng Jiang, Ziyun Wei, Zheng Zhong, Du Li, Chi Zhang, Haibin Lin, Shivaram Venkataraman

AI 总结：本文提出U-GROW，一种基于策略不确定性的轻量级采样层，通过优先回放信息丰富的状态，提升基于世界模型的VLA策略优化效率，并在模拟和真实操作任务中验证其有效性。

链接：https://arxiv.org/abs/2609.22879

机构：National Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术全国重点实验室）； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院）； Cirquar Technologies； Mila – Quebec AI Institute（Mila – 魁北克人工智能研究所）； Université de Montréal（蒙特利尔大学）

作者：Yifei Sheng, Haoxiang Ren, Zhilong Zhang, Haonan Wang, Runjie Xu, Yihao Sun, Nan Tang, Zhichao Wu, Lei Yuan, Haoxin Lin, Yang Yu

AI 总结：本文提出一种基于Nadaraya-Watson估计器的计算高效安全探索算法CoLSafe-MDP，用于约束马尔可夫决策过程，相比高斯过程方法大幅降低计算成本，并在网格环境和火星地形数据上验证了性能。

链接：https://arxiv.org/abs/2609.22919

机构：Aalto University（阿尔托大学）

作者：Shreeram Murali, Shankar A. Deka, Dominik Baumann

AI 总结：本文研究对抗性多目标老虎机中坐标信息对帕累托遗憾的影响，证明未知易坐标无法改善最坏情况遗憾，并开发自适应Poly-INF算法达到匹配的极小极大最优速率。

链接：https://arxiv.org/abs/2609.23092

机构：Georgia Institute of Technology（佐治亚理工学院）； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

作者：Changkun Guan, Mengfan Xu

AI 总结：针对连续时间情节式MDP，在泊松决策时段和Lipschitz平滑假设下，扩展UCRL和Q-learning，证明$\widetilde{O}(T^{2/3})$遗憾界及匹配下界，实现最优速率。

链接：https://arxiv.org/abs/2609.23127

机构：Yale University（耶鲁大学）； Massachusetts Institute of Technology（麻省理工学院）； University of California, Los Angeles（加州大学洛杉矶分校）

作者：Kenny Guo, Valentio Iverson, Sahan Wijetunga, William Chang

AI 总结：针对双时间尺度决策系统，提出近端残差值函数学习法，实现规划与执行一致性，离线模拟中降低总成本5.0%。

链接：https://arxiv.org/abs/2609.23242

机构：Amazon SCOT（亚马逊SCOT）

作者：Harrison Waldon, Carson Eisenach, Akhil Bagaria, Daniel Russo, Dominique Perrault-Joncas, Alisha Zachariah, Dean Foster

AI 总结：本文提出用证据阶梯框架评估医疗保健中的强化学习，强调从回顾性策略到可信干预需逐级验证，并指出历史数据上的高分不等于临床改善，应将其视为社会技术系统中的干预而非单纯优化器。

链接：https://arxiv.org/abs/2609.23374

作者：Yunfan Zhao

AI 总结：针对多维评分标准下奖励聚合的不可靠性，提出RLVR$^2$，通过组内排序和潜在效用合并生成训练信号，在三个规模、16个基准上优于基线。

链接：https://arxiv.org/abs/2609.23457

机构：Baidu Inc.（百度公司）

作者：Hao Li, Zhengkun Zhang, Gangqiang Hu, Zhen Zhang, Yude Gao, Dai Dai, Jing Liu

AI 总结：针对价差收窄下电池储能调度，提出将PPO控制器的物理动作掩蔽与投影同经济咨询分离的方法，实验显示其提升T2利润但整体仍低于代理成本MPC，并验证了可行性保障与经济筛选的独立作用。

链接：https://arxiv.org/abs/2609.23590

机构：National Tsing Hua University（国立清华大学）

作者：Kuanlin Chen, Chen-Wei Kuo, Cheng-En Ou

AI 总结：本研究提出一种Transformer热启动的鲁棒强化学习算法，采用R-污染模型和保形预测，通过预认证停止规则在扰动迷宫环境中显著减少初始误差并加速收敛，同时提供更紧密的误差界限。

链接：https://arxiv.org/abs/2609.23775

机构：University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

作者：Suman Banerjee, Hiroyasu Tsukamoto

AI 总结：VISTA提出一种基于注意力与指针解码的可扩展多智能体强化学习架构，使观测和动作空间独立于目录规模，显著提升空间态势感知传感器任务分配效率与泛化能力。

链接：https://arxiv.org/abs/2609.23875

机构：ETSIAE-School of Aeronautics, Universidad Politécnica de Madrid（马德里理工大学航空学院）； Indra Sistemas S.A.（英德拉系统公司）； Escuela de Ingeniería de Fuenlabrada, Universidad Rey Juan Carlos（胡安卡洛斯国王大学丰拉夫拉达工程学院）； Department of Computer Systems Engineering, Universidad Politécnica de Madrid（马德里理工大学计算机系统工程系）

作者：Miguel Leiva-Vélez, Adalberto Claudio Quiros, Nicolas Gaston Rozado, Hodei Urrutxua, Víctor Rodríguez-Fernández

AI 总结：本文提出分布点基值迭代（DPBVI），将分布强化学习扩展到部分可观测马尔可夫决策过程，通过新的分布贝尔曼算子和psi-向量表示回报分布，为风险敏感控制奠定基础。

链接：https://arxiv.org/abs/2609.24103

作者：Larry Preuett, Qiuyi Zhang, Muhammad Aurangzeb Ahmad

AI 总结：本研究探讨配对轨迹在组相对强化学习中的作用，发现其可降低奖励对比方差但未必降低梯度方差，实验显示配对在工具故障下提升成功率，但未显著改善学习速度。

链接：https://arxiv.org/abs/2609.24144

机构：BRAC University（BRAC大学）

作者：Nazmus Sakib

AI 总结：针对投机解码，提出接受长度感知的EAL和WTV损失直接优化接受长度，结合GRPO，实验证明优于KL训练，显著提升不同解码模式下的接受长度。

链接：https://arxiv.org/abs/2609.24150

机构：New York University（纽约大学）； University of Waterloo（滑铁卢大学）

作者：Tianhua Xia, Mugilan Ganesan, Yifei Feng, Haiyu Wang, Maximilian Egger, Sai Qian Zhang

AI 总结：针对黑盒场景下神经网络易受扰动攻击的问题，提出基于强化学习的RIBA方法，通过少量查询生成对抗样本，在Cifar10和ImageNet上显著减少查询次数，并匹配白盒攻击性能。

链接：https://arxiv.org/abs/2609.24249

机构：German Aerospace Center (DLR)（德国航空航天中心）

作者：Florian Krone, Elena Hoemann, Sven Hallerbach

AI 总结：TTSE提出双轨在线自进化框架，分离环境事实与任务程序，通过决策理论分析并实验验证，在多个基准上提升智能体任务适应性与性能。

链接：https://arxiv.org/abs/2609.24289

机构：Poisson Lab, Huawei（华为泊松实验室）

作者：Ruimin Pei, Yongkang Wu, Shangyi Zheng, Yaqing Zhang, Deyang Li, Jianjun Tao, Xinyu Zhang, Xiang Zhang

AI 总结：针对大语言模型推理中时间推进与信息流不均的问题，提出基于信息密度重参数化时间并自适应裁剪的 InfoPPO，在多个数学推理基准上优于基线。

链接：https://arxiv.org/abs/2609.24380

机构：Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）； University College London AI Lab（伦敦大学学院人工智能实验室）； Microsoft Research AI4Science（微软研究院AI4Science）； Li Auto（理想汽车）； The University of Edinburgh（爱丁堡大学）； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院）

作者：Yongcheng Zeng, Xinyu Cui, Yan Song, Guoqing Liu, Hongsheng Xin, Kaike Zhang, Cheng Deng, Kun Zhan, Jian Ying, Jian Zhao, Haifeng Zhang, Jun Wang

AI 总结：本文提出提升的贝尔曼线性规划（LBLP）及其近似算法ALBUM，通过不等式约束实现样本内贝尔曼最优性，无需目标网络，在OGBench上以最少参数和内存达到与FQL相当的性能。

链接：https://arxiv.org/abs/2609.24489

机构：NAVER LABS（NAVER 实验室）

作者：Hyukjun Yang, Jongchan Park, Narim Jeong, Donghwan Lee

AI 总结：针对多轮工具使用中难以定位可训练状态的问题，提出临界状态强化学习，通过嵌套采样分离动作相关奖励与噪声，并在诊断选定的状态上训练，显著提升性能，如缺失函数任务提升约14个百分点。

链接：https://arxiv.org/abs/2609.24985

机构：Salesforce AI Research（赛富时人工智能研究院）

作者：Zixiang Chen, Wenting Zhao, Zhepeng Cen, Akshara Prabhakar, Jielin Qiu, Jianguo Zhang, Zhiwei Liu, Tulika Manoj Awalgaonkar, Liangwei Yang, Shelby Heinecke, Silvio Savarese, Huan Wang

AI 总结：针对粗重分析数据降尺度地表太阳辐射时存在的过度平滑和阶段不匹配问题，提出精化感知流匹配框架，联合优化生成与精化，在ERA5–SolarCube基准上取得一致改进。

链接：https://arxiv.org/abs/2609.22126

作者：Udbhav Srivastava, Antonita Racheal, Yiheng Chen, Runlong Yu, Xinyue Ye

AI 总结：针对美国西部SNOTEL网络SWE预测，提出用高斯过程去空间相关后训练LSTM，结合保形预测量化不确定性，优于多个基线模型。

链接：https://arxiv.org/abs/2609.22182

机构：Colorado School of Mines（科罗拉多矿业学院）

作者：Colin Fenster, Adrienne Marshall, Soutir Bandyopadhyay, Daniel McKenzie

AI 总结：针对空间转录组预测中忽略基因相互作用的局限，提出相关性引导的流匹配框架CorrFlow，通过退火掩码和基因图正则化显式建模基因依赖，在12个数据集上取得最优PCC和HPCC。

链接：https://arxiv.org/abs/2609.22187

机构：University of Cambridge（剑桥大学）； The University of Edinburgh（爱丁堡大学）； National University of Singapore（新加坡国立大学）

作者：Yupei Zhang, Hao Chen, Li Pan, Chao Li, Xiaohan Xing

AI 总结：本文通过因果研究证明，音视频生成模型因视觉捷径（从外观而非事件预测声音）而失效，并提出反事实不变性作为识别因果预测器的必要条件，实验验证了干预干扰因素的必要性。

链接：https://arxiv.org/abs/2609.22361

机构：RIKEN iTHEMS（理化学研究所跨学科理论科学研究所）； RIKEN AIP（理化学研究所先进智能研究中心）； Columbia University（哥伦比亚大学）； South China University of Technology（华南理工大学）

作者：Jian Xu, Delu Zeng, John Paisley, Qibin Zhao

AI 总结：EmbeddGAN提出一种基于依赖目标的新型GAN框架，用嵌入网络和Gini距离相关替代判别器，通过极小极大策略训练，在MNIST、CIFAR-10和CelebA上实现竞争性能且训练稳定。

链接：https://arxiv.org/abs/2609.22508

机构：University of Mississippi（密西西比大学）

作者：MaTais Caldwell, Yixin Chen, Xin Dang, Charles Walter

AI 总结：针对油气长期产量预测的不适定问题，提出单调约束扩散模型Physics-SIMS-TS，结合负引导、递减曲线约束、同单调投影和集成采样，在超3.5万口井上达到最准确扩散预测性能，且预测单调性代价极小。

链接：https://arxiv.org/abs/2609.22643

机构：University of British Columbia（不列颠哥伦比亚大学）

作者：Temesgen Mikael Abraha, Yves Lucet

AI 总结：本文提出D-IMPL，一种基于扩散模型的参数化黑箱优化求解器，通过学习最小化策略来分摊计算成本，并具有样本复杂度保证和广泛实证验证。

链接：https://arxiv.org/abs/2609.22752

机构：Harvard University（哈佛大学）

作者：Yang Hu, Na Li

AI 总结：本文提出一种基于全局调度的计算预算分配方法，通过分解预期收益并求解注水结构整数规划，在扩散模型去噪轨迹中优化搜索资源，实验显示可减少20%-50%的函数评估。

链接：https://arxiv.org/abs/2609.22867

机构：Peking University（北京大学）； University of California, Berkeley（加州大学伯克利分校）

作者：Yuan Cao, Yifu Tang, Hangqi Li, Zeyu Zheng

AI 总结：本研究首次为离散扩散模型建立受控优化器基准，比较七种优化器在四种扩散公式上的表现，发现AdamW并非总是最优，且自回归预训练验证的优化器迁移良好。

链接：https://arxiv.org/abs/2609.23055

机构：CISPA Helmholtz Center for Information Security（CISPA赫尔姆霍茨信息安全中心）； KAUST（阿卜杜拉国王科技大学）； MBZUAI（穆罕默德·本·扎耶德人工智能大学）； EPITA（法国EPITA工程师学院）

作者：Arman Bolatov, Egor Shulgin, David Li, Abduragim Shtanchaev, Sebastian U. Stich, Maxim Panov, Eric Moulines, Peter Richtárik, Martin Takáč

AI 总结：本研究将R3GAN适配到时间序列插补，发现对抗性细化在多数配置下无效或有害，并指出判别器无法提供有效细化梯度的原因是一个开放问题。

链接：https://arxiv.org/abs/2609.23102

作者：Yufeng He

AI 总结：ITSY提出首个连续优化方法，在线性模型下从不规则时间序列中联合插补缺失值并学习因果图，通过加权重建目标纠正噪声变换，在合成和真实基准上优于现有SCM基线。

链接：https://arxiv.org/abs/2609.23516

机构：Renmin University of China（中国人民大学）； Zhejiang University（浙江大学）

作者：Wenbo Xu, Yue He, Yunhai Wang, Yueguo Chen, Kun Kuang

AI 总结：提出解耦因果发现（DCD），通过加权解耦识别马尔可夫边界并迭代构建CPDAG，无需传统假设，理论完备且在噪声环境下性能优异。

链接：https://arxiv.org/abs/2609.23535

机构：College of Computer Science and Technology（计算机科学与技术学院）； Zhejiang University（浙江大学）

作者：Zhengkang Guan, Fei Wu, Kun Kuang

AI 总结：针对非线性潜变量因果发现，提出交叉 Hessian 秩约束（HRC），利用观测数据对数密度的交叉 Hessian 秩揭示潜变量维度，并在单因子测量下恢复因果结构，实验验证有效。

链接：https://arxiv.org/abs/2609.24241

机构：Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）； Carnegie Mellon University（卡内基梅隆大学）； Guangdong University of Technology（广东工业大学）； Beijing Technology and Business University（北京工商大学）； University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校）； Johns Hopkins University（约翰斯·霍普金斯大学）

作者：Zijian Li, Ruichu Cai, Feng Xie, Xinshuai Dong, Haoyue Dai, Yuewen Sun, Yujia Zheng, Guangyi Chen, Yingyao Hu, Kun Zhang

AI 总结：针对复杂系统之系统优化难题，提出层次贝叶斯优化框架，结合高斯过程处理离散与异构设计变量，在野火抑制无人机多智能体系统中验证了高效性与鲁棒性。

链接：https://arxiv.org/abs/2609.22130

机构：IRIT, UMR 5505 CNRS, Université Toulouse Capitole, Université de Toulouse（图卢兹计算机科学研究所，法国国家科学研究中心联合研究单位5505，图卢兹第一大学，图卢兹大学）； ONERA, DTIS, Université de Toulouse（法国国家航空航天研究院，信息处理与系统部，图卢兹大学）； Fédération ENAC ISAE-SUPAERO ONERA, Université de Toulouse（法国国立民航大学-法国国立高等航空航天学院-法国国家航空航天研究院联合会，图卢兹大学）； German Aerospace Center (DLR), Institute of System Architectures in Aeronautics（德国航空航天中心，航空系统架构研究所）

作者：Paul Saves, Thierry Lefebvre, Nathalie Bartoli, Jasper Bussemaker, Nikolaos Kalliatakis, Nabih Naeem, Prajwal Prakasha

AI 总结：本文通过最优传输理论严格推导对抗训练模型的中心极限定理，证明最优势唯一性，并给出鞍点稳定性与泛化误差的样本复杂度。

链接：https://arxiv.org/abs/2609.22240

机构：Yonsei University（延世大学）； Korea Institute for Advanced Study（韩国高等研究院）

作者：Kim Jakwang, Kwon Dohyun

AI 总结： 本文研究在类条件误差约束下最小化弃权率的二元分类问题，刻画了分布无关的极小极大收敛速率，提出替代损失与约束优化框架，并在多个数据集上验证了其有效性。

链接：https://arxiv.org/abs/2609.22632

机构：Univ Rennes（雷恩大学）； Ensai（国立统计与信息分析学校）； CNRS（法国国家科学研究中心）； CREST–UMR 9194； Columbia University（哥伦比亚大学）

作者：Mohammadreza M. Kalan, Yuyang Deng, Sanaz Hamidi

AI 总结：针对次高斯分布私有稀疏协方差估计，提出多尺度随机阈值算法，将隐私相关样本复杂度从 $k^{3/2}$ 降至 $k$，匹配下界并消除 $\sqrt{k}$ 因子。

链接：https://arxiv.org/abs/2609.22783

机构：HKUST（香港科技大学）

作者：Zihan Zhang

AI 总结：针对图提示学习中提示分配失衡问题，提出熵正则化最优传输框架MINT，通过全局耦合分配和边际约束保持几何完整性，在少样本适配中表现竞争力。

链接：https://arxiv.org/abs/2609.23547

机构：University of Electronic Science and Technology of China（电子科技大学）； Tsinghua University（清华大学）； Western University（韦仕敦大学）

作者：Xiangyu Wang, Shuo Wang, Ruiyi Fang, Zhao Kang

AI 总结：ETH-TraceBench提出以太坊DeFi事件流基准，评估时间、协议和合约转移下的表示学习，发现简单模型在聚合测试中表现优异但协议新颖性下性能骤降，强调困难迁移与受控输入作为评估核心。

链接：https://arxiv.org/abs/2609.23659

机构：University College London（伦敦大学学院）； University of Warwick（华威大学）

作者：Kemal Kirtac, Carsten Maple

AI 总结：本文从分布优化视角统一集成学习和低秩适配器平均，证明前者凸性保证收敛，并评估新算法，在合成分类和LLM微调上验证有效性。

链接：https://arxiv.org/abs/2609.24328

机构：Newcastle University（纽卡斯尔大学）

作者：Congye Wang, Yan Lin, Zheyang Shen, Matthew A. Fisher, Chris. J. Oates

AI 总结：本研究利用孟加拉国2007-2022年人口与健康调查数据，评估多种机器学习模型预测儿童发育迟缓的时间稳健性与亚组公平性，发现TabPFN和AdaBoost表现最佳，并强调时间验证与公平性评估的重要性。

链接：https://arxiv.org/abs/2609.24386

机构：Charles Sturt University（查尔斯特大学）

作者：Md Ahshanul Haque, Muhammad Ashad Kabir

AI 总结：针对ML系统测试失效问题，提出概率扩展本体（PEONs）对运行设计域进行概率建模，实现代表性测试采样、严格结束标准及数据平衡评估，并以自动列车运行验证。

链接：https://arxiv.org/abs/2609.24397

机构：ITPower Solutions GmbH（ITPower Solutions 有限公司）

作者：Hans-Werner Wiesbrock

AI 总结：本文提出一种自适应块加权模向黎曼梯度下降方法，用于从线性测量中恢复低多线性秩张量，通过归一化加权策略改善收敛性，并在理论上建立线性收敛和采样保证，实验验证其高效性和可靠性。

链接：https://arxiv.org/abs/2609.24679

机构：School of Mathematics and Statistics, Southwest University（西南大学数学与统计学院）

作者：Yushi Zhou, Feng Zhang

AI 总结：PAGE通过预填充注意力的头一致性下降预测输入对驱逐的敏感性，门控应用基础驱逐器，将容量受限场景的危害率降低29倍，无需训练。

链接：https://arxiv.org/abs/2609.22157

机构：National Institute of Science Education and Research（国家科学教育与研究学院）； Homi Bhabha National Institute（霍米·巴巴国家研究所）

作者：Pankaj Kumar, Subhankar Mishra

AI 总结：StepKV提出以推理步骤为保留单元的KV缓存压缩方法，结合步骤效用与令牌显著性，在多跳问答和长时程网络推理中于低预算下保持准确率，优于令牌级基线。

链接：https://arxiv.org/abs/2609.22158

机构：The Chinese University of Hong Kong（香港中文大学）； Huawei Technologies Co., Ltd（华为技术有限公司）

作者：Boyu Feng, Jiahong Liu, Yifan Li, Wenhao Yu, Zexuan Qiu, Yuliang Sun, Ming Shen, Xiang Li, Quanyu Dai, Irwin King

AI 总结：提出混合QUBO框架，结合任务敏感性与滤波器交互进行结构化剪枝，通过二分搜索控制基数，并采用QUBO-张量列细化优化掩码，在SIDD去噪任务上超越基线。

链接：https://arxiv.org/abs/2609.22238

机构：Innopolis University（因诺波利斯大学）； Q Deep； Moscow Independent Research Institute of Artificial Intelligence (MIRAI)（莫斯科独立人工智能研究院（MIRAI））； Sirius University of Science and Technology（天狼星科技大学）

作者：Osama Orabi, Artur Zagitov, Hadi Salloum, Viktor A. Lobachev, Yaroslav Kholodov

AI 总结：针对现代LLM中弱注意力汇聚导致现有KV缓存驱逐失效的问题，提出基于值向量几何分散的ValueDiff驱逐方法，在多个基准上显著提升性能。

链接：https://arxiv.org/abs/2609.23314

机构：Qualcomm AI Research（高通人工智能研究院）

作者：Junyoung Park, Jungwook Choi, Mingu Lee

AI 总结：KV-COBRA通过按注意力头协同优化秩和位宽分配，在低比特率下实现更优的KV缓存压缩，显著减少精度损失且无额外开销。

链接：https://arxiv.org/abs/2609.24298

机构：Pohang University of Science and Technology (POSTECH)（浦项科技大学）

作者：Sihyeon Ha, Jaeho Lee, Yo-Seb Jeon

AI 总结：NAVIR是首个在神经形态边缘硬件上运行的端到端音视频语音识别系统，通过分解时空编码和量化感知训练，在噪声下显著降低词错误率并实现高能效。

链接：https://arxiv.org/abs/2609.24391

机构：Plaixus Ltd.（Plaixus 有限公司）； Tech Hive Labs（Tech Hive 实验室）； University of Essex（埃塞克斯大学）

作者：Leonidas Delimpasis, Panagiota Moraiti, Antonis Porichis, Panos Chatzakos, Michail Karamousadakis

AI 总结：针对联邦学习特征偏移问题，提出JDFL方法，通过推断伪域并扩展分类头为联合域-类输出，结合两种监督策略，在标准基准上提升全局测试准确率。

链接：https://arxiv.org/abs/2609.22932

机构：University of Tehran（德黑兰大学）

作者：Sina Najafi, Mostafa Tavassolipour, Seyed Pooya Shariatpanahi

AI 总结：针对空中联邦学习中PAPR高和传输未压缩的问题，提出AirGC-CD方案，用部分高斯循环预编码实现精确无偏削波并压缩传输，在低SNR下优于基线。

链接：https://arxiv.org/abs/2609.23084

机构：Chungnam National University（忠南大学）； Institute of New Media and Communications（新媒体与通信研究所）； Seoul National University（首尔大学）

作者：Jonggyu Jang, Hyeonsu Lyu, Hyun Jong Yang

AI 总结：本研究通过双家庭联邦学习模拟，比较特征抑制与差分隐私在住宅流量分类中的效果，发现特征抑制在宏F1和最差组F1上优于DP-SGD，但缺乏正式隐私保证，可作为输入最小化基线。

链接：https://arxiv.org/abs/2609.23521

机构：Budapest University of Technology and Economics（布达佩斯科技经济大学）； CUJO LLC Hungary（CUJO有限责任公司匈牙利分公司）

作者：Márton Pál Lipcsey-Magyar, Adrian Pekar

AI 总结：针对联邦学习中客户端调度忽视多样性的问题，提出基于行列式点过程的自适应调度算法ADCS，实现质量-多样性权衡，并给出收敛性分析，实验证明其优于现有算法。

链接：https://arxiv.org/abs/2609.23843

机构：University of Toronto（多伦多大学）； Ericsson（爱立信）

作者：Wen Xu, Ben Liang, Gary Boudreau, Hamza Sokun

AI 总结：针对间歇连接去中心化学习中的同伴选择，提出基于易逝证据的最优停止理论PROSE，证明保留值策略并给出移动感知停止规则，实现轻量级本地决策。

链接：https://arxiv.org/abs/2609.23845

机构：University of Glasgow（格拉斯哥大学）

作者：Christos Anagnostopoulos

AI 总结：本研究提出并更新了一个联邦学习AI框架，用于优化胰腺癌治疗，通过本地Docker容器和新型FL算法处理部分重叠特征，初步结果显示可行，但大规模部署仍具挑战。

链接：https://arxiv.org/abs/2609.24718

作者：Anne-Christin Hauschild, Amirreza Aleyasin, Nils H. Beyer, Lisa Fricke, Jonas Hügel, Maryam Moradpour, Anh-Tien Nguyen, Youngjun Park, Sophia Rheinländer, Tim Beissbarth, Elisabeth Hessmann, Martin Middeke, Matthias Lauth, Maximilian Reichert, Ulrich Sax

AI 总结：提出无坐标自回归轨迹生成器IKTM，用运动学序列表示工业车辆运动，零样本迁移到新站点，匹配转弯分布且终止准确。

链接：https://arxiv.org/abs/2609.22173

机构：University of Otago（奥塔哥大学）

作者：Max Amiri, David Eyers

AI 总结：针对在线策略蒸馏中教师监督不可靠的问题，提出自适应续写方法AC-OPD，通过理论分析和实验验证，在数学推理和代码生成任务上持续优于标准方法。

链接：https://arxiv.org/abs/2609.22254

机构：Ant Group（蚂蚁集团）

作者：Jingang Zhou, Yuyi Zhou, Haiyang Guo, Xukai Wang, Shuai Feng, Sirui Gao, Jian Xu, Qingpei Guo, Xu-Yao Zhang

AI 总结：本研究审计EEG基础模型在运动想象任务上的表现，发现匹配输入下不同架构的精度差异符号相反，表明单一比较器无法提供架构不变的性能差距分解。

链接：https://arxiv.org/abs/2609.23924

机构：Hopewell Valley Central High School（霍普韦尔谷中央高中）

作者：Kevin Zhou, Sparsh Roy

AI 总结：本文提出metabeta，一种预训练神经网络，通过先验摊销和上下文学习实现GLMMs的贝叶斯推断，无需MCMC，速度比NUTS快两到三个数量级，且保持推断准确性。

链接：https://arxiv.org/abs/2609.24422

机构：Institute for Human-Centered AI, Helmholtz Munich（慕尼黑亥姆霍兹中心人本人工智能研究所）

作者：Alex Kipnis, Marcel Binz, Eric Schulz

AI 总结：提出表示与生成机制结构等价是分布外泛化精确性的准则，约束推理而非训练，并论证应归纳精确表示而非拟合替代品。

链接：https://arxiv.org/abs/2609.24942

机构：Faculdade de Ciências da Universidade do Porto（波尔图大学理学院）； INESC TEC； Faculdade de Engenharia da Universidade do Porto（波尔图大学工程学院）； LIACC

作者：Filipe Marinho Rocha, Inês Dutra, Vítor Santos Costa, Luís Paulo Reis

AI 总结：RRSI通过正则化约束智能体框架的递归自我改进，防止过拟合，在分布外基准上提升性能并减少30%策略令牌。

链接：https://arxiv.org/abs/2609.24972

机构：Google Cloud AI Research（谷歌云AI研究院）； Stanford University（斯坦福大学）； Washington University in St. Louis（圣路易斯华盛顿大学）； UNC-Chapel Hill（北卡罗来纳大学教堂山分校）

作者：Peng Xia, Rujun Han, Zifeng Wang, Yanfei Chen, Yufan Zhang, Yoonho Lee, Chengsong Huang, Han Yu, Zhongying CuiZhu, Yifei Ming, Huaxiu Yao, Burak Gokturk, Tomas Pfister, Chen-Yu Lee

AI 总结：TARGet提出一种拓扑感知的融合架构，结合图神经网络与子电路连接感知网络，实现跨拓扑射频电路功能建模，以低数据需求达到高精度，并支持零样本迁移。

链接：https://arxiv.org/abs/2609.22165

机构：University of Utah（犹他大学）

作者：Soroosh Noorzad, Sebastian Bodero, Morteza Fayazi

AI 总结：针对物联网流量中集体异常检测不足的问题，提出无监督图集体异常检测框架UGCAD，利用变分图自编码器学习表示并增强聚类，在CICIoT2023和ToN-IoT数据集上验证了其优于现有方法。

链接：https://arxiv.org/abs/2609.22166

机构：University of South-Eastern Norway（东南挪威大学）

作者：Dalila Khettaf, Djamel Djenouri, Zeinab Rezaeifar, Youcef Djenouri

AI 总结：提出基于角色感知摩根指纹的MFP方法，通过角色聚合和差分特征构建反应描述符，在Suzuki-Miyaura和Buchwald-Hartwig基准上实现高准确率（R2达0.969）且训练速度快一个数量级，为反应产率预测提供高效基线。

链接：https://arxiv.org/abs/2609.22167

机构：Embry-Riddle Aeronautical University（安柏瑞德航空大学）； Bethune Cookman University（贝休恩-库克曼大学）

作者：Chinmay Mirji, Prashant Shekhar, Foram Madiyar, Hao Peng

AI 总结： CurvFlow-DTA提出双图加权Forman曲率流与成对条件选择器，在药物和蛋白质图上自适应利用几何，提升冷启动DTA预测性能，在Davis和KIBA上显著降低MSE。

链接：https://arxiv.org/abs/2609.22862

机构：School of Mathematics, Renmin University of China（中国人民大学数学学院）

作者：Jicheng Ma, Yunyan Yang, Juan Zhao, Liang Zhao

AI 总结：GraphToolbox是一个基于PyTorch Geometric的可配置Python框架，统一了图构建、模型训练、聚合与解释，在电力负荷预测中实现系统性架构评估，并降低预测误差。

链接：https://arxiv.org/abs/2609.24609

作者：Eloi Campagne (CB), Yvenn Amara-Ouali (LMO, CELESTE), Yannig Goude (EDF R\&D), Argyris Kalogeratos (CB, ENS Paris Saclay)

AI 总结：本研究揭示选择性在策略蒸馏中共享学习率并非中性控制，选择器与学习率存在纠缠，影响比较结论，建议报告分支×学习率矩阵。

链接：https://arxiv.org/abs/2609.22109

机构：UNSW Sydney（新南威尔士大学）

作者：Chencheng Zhu

AI 总结：本研究评估了不同模型家族在FP16、INT8和INT4量化下的临床基准表现，发现INT8普遍安全，INT4退化显著且依赖模型和任务，安全对齐主要由指令微调决定。

链接：https://arxiv.org/abs/2609.22216

机构：Carnegie Mellon University Africa（卡内基梅隆大学非洲校区）

作者：Leonard Twagirayezu, Prasenjit Mitra

AI 总结：针对LoRA合并中均匀秩预算假设导致的性能损失，提出无数据净效用指标，通过SVD分解和全局评分选择奇异方向，在视觉和语言任务上分别提升2.1%和2.2%。

链接：https://arxiv.org/abs/2609.22237

机构：Samsung Research America（三星美国研究院）

作者：Avinash Amballa, Yashas Malur Saidutta, Wenbo Li, Lazar Valkov, Srinivas Chappidi

AI 总结：针对多组学序列任务，提出首个推理基准OmicsBench和工具增强的在线策略蒸馏方法TA-OPD，以增强大语言模型基于证据的生物学推理能力，提升预测性能。

链接：https://arxiv.org/abs/2609.23435

机构：Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）； Yazhouwan National Laboratory（崖州湾国家实验室）； Shanghai Innovation Institute（上海创新研究院）； The Chinese University of Hong Kong（香港中文大学）； Westlake University（西湖大学）

作者：Jie Ying, Zhefan Wang, Zihong Chen, Zhengqing Li, Jinzhe Li, Gang Li, Jian Liu, Fang Hu, Tao Luo, Zhonghang Yuan, Wanli Ouyang, Stan Z. Li, Fan Yang, Nanqing Dong

AI 总结：本文提出双线性优化散度（BOD）诊断框架，分析LoRA持续学习中因子约束的保护机制，并据此设计半冻结正交路由（SFOR）与硬保护策略，在Qwen3-8B上显著提升反向迁移并降低遗忘。

链接：https://arxiv.org/abs/2609.23594

作者：YongShun Wang, JianLin Su, Yong Ma

AI 总结：本文评估大气输运模拟器在四个区域的迁移学习能力，通过区域特定与多区域模型及留一实验，揭示区域差异，助力全球排放估算。

链接：https://arxiv.org/abs/2609.23838

机构：University of Bristol（布里斯托大学）

作者：Jeff Clark, Elena Fillola, Nawid Keshtmand, Raul Santos-Rodriguez, Matthew Rigby

AI 总结：SPeaR通过冻结预训练网络并在阶段边界插入轻量级可学习模块，直接优化中间表示以应对测试时分布偏移，在多个基准上匹配或超越参数更新方法，且保持源域性能。

链接：https://arxiv.org/abs/2609.24111

作者：Muhammad Sudipto Siam Dip, Ali Etemad

AI 总结：针对短轨迹、噪声大的LTI系统识别，提出PBML-LTI元学习框架，学习可迁移先验并进行贝叶斯自适应，通过鞅PAC-Bayes分析提供有限样本保证。

链接：https://arxiv.org/abs/2609.24117

机构：University of California, Los Angeles（加利福尼亚大学洛杉矶分校）

作者：Chenfeng Huang, George Michailidis

AI 总结：iSDFT通过将教师视为有预算的信息源，在每个词元选择满足信息约束的最近分布，并锚定基础策略，在多数设置中优于普通SDFT，同时更好地保留原有能力。

链接：https://arxiv.org/abs/2609.24646

机构：Imperial College London（帝国理工学院）； Politecnico di Torino（都灵理工大学）； UCL Centre for AI（伦敦大学学院人工智能中心）

作者：Ahmed Khaled Khamis, Xiaotong Ji, Hassan Jaber, Rasul Tutunov, Matthieu Zimmer, Jun Wang, Haitham Bou-Ammar

AI 总结：本研究证明使用 Muon 优化器训练简单的增量式 LoRA 即可达到或超越专用持续学习方法，通过正交化更新分布，无需任务感知约束，揭示了优化器几何在缓解遗忘中的关键作用。

链接：https://arxiv.org/abs/2609.24678

机构：University of Bucharest（布加勒斯特大学）； Bitdefender（比特梵德）

作者：Sebastian George Sincari (1), Bogdan Alexandru Gheorghe (1), Antonio Barbalau (2) ((1) Faculty of Mathematics and Computer Science, University of Bucharest, Bucharest, Romania, (2) Bitdefender, Bucharest, Romania)

AI 总结：本文提出训练超网络将用户上下文映射为个性化LoRA，在设备端仅需前向传播即可合成适配，兼顾ICL的计算可行性与PEFT的权重修改优势，在长文本生成任务上验证了有效性。

链接：https://arxiv.org/abs/2609.24979

机构：Google（谷歌）； Google Inc.（谷歌公司）

作者：Sean Augenstein, Li Ding, Jihwan Lee, Keith Rush, Andrey Zhmoginov

AI 总结：提出广义多模态基础模型，通过合成多模态数据训练，编码可迁移相关性，在18个数据集上无需适配即可媲美专门模型。

链接：https://arxiv.org/abs/2609.22107

机构：Tianjin University（天津大学）； Beijing University of Posts and Telecommunications（北京邮电大学）

作者：Huizi Cui, Zongbo Han, Chenggong Ding, Naichuan Xiao, Jialong Yang, Jingdong Chen, Guangyu Wang, Qinghua Hu, Changqing Zhang

AI 总结：CleanScore通过阴性对照与敏感性边界进行黑盒基准审计，区分能力与数据暴露，并量化表面形式膨胀的界限。

链接：https://arxiv.org/abs/2609.22183

机构：The University of Texas Rio Grande Valley（德克萨斯大学里奥格兰德河谷分校）； Florida International University（佛罗里达国际大学）

作者：Jeffery Opoku, David Banahene

AI 总结：本研究通过受控Eurostat基准测试编码智能体，发现元数据和重试预算比执行反馈更能提升官方统计复现的准确性，并强调输出契约设计对评估结果的关键影响。

链接：https://arxiv.org/abs/2609.22222

作者：Sabina-Cristiana Necula

AI 总结：该研究构建了一个包含27台冰箱、706万行数据的合成多元时间序列数据集，用于支持故障预测、退化分析及跨配置学习。

链接：https://arxiv.org/abs/2609.22229

作者：Islam Benamirouche, Feriel Fass, Djemel Ziou

AI 总结：本研究在700多次实验中对比六种深度学习架构，发现混合LSTM-Transformer模型在工业4.0预测性维护中更能抵抗噪声，提供稳定可靠的预测。

链接：https://arxiv.org/abs/2609.22583

机构：Liveline Technologies

作者：Zhengyang (Cissy)Gu, Joseph E. Hernandez, Thomas Cook, John Burtenshaw, Sean Scott, Chris Couch

AI 总结：本文提出取代基贡献数据集MolSC及基准MolSC-Bench，通过训练提升分子大语言模型对细粒度结构-性质关系的预测能力，实验证明该方法显著优于现有模型。

链接：https://arxiv.org/abs/2609.23073

机构：Korea University（高丽大学）

作者：Hyuntae Park, Sooyeon Kim, Jiwon Park, SangKeun Lee

AI 总结：本研究系统基准测试了六种长尾损失函数在三种单细胞基础模型上的类别不平衡问题，发现稀有类别失败分为可恢复与不可恢复两种机制，并提供了选择损失函数的实用指南。

链接：https://arxiv.org/abs/2609.23325

作者：Zeyu Dong, Jiahui Zhong

AI 总结：本文提出一个基于CBERS和AMAZONIA卫星WFI传感器影像的多时相数据集，用于绘制巴西塞拉多烧毁区域，并通过随机森林分类验证了其有效性，显示出较高的IoU和与MCD64A1产品可比的结果。

链接：https://arxiv.org/abs/2609.23687

作者：Alisson Cleiton de Oliveira, Thales Sehn Körting

AI 总结：本研究利用美国公立学校观测数据，通过因果分析发现高级英语课程对学业有适度正效应，但受益学生注册率低，揭示可操作的教育干预见解。

链接：https://arxiv.org/abs/2609.23836

机构：George Mason University（乔治梅森大学）； Virginia Tech（弗吉尼亚理工大学）

作者：Nabit Bajwa, Seth B. Hunter, Sanmay Das

AI 总结：本文测试多种L1逻辑回归求解器，发现旧方法优于新提出的“最先进”方案，并证明基于次梯度的LBFGS简单基线经微调后高效且易扩展，适合生产使用。

链接：https://arxiv.org/abs/2609.23995

机构：CrowdStrike, Inc.（CrowdStrike公司）； Univ. of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）

作者：Edward Raff, James Holt

AI 总结：本文提出一种结合模糊决策树与深度残差神经网络的框架，用于船舶推进系统的可解释预测性维护，在公开数据集上达到99.24%的准确率。

链接：https://arxiv.org/abs/2609.24250

作者：Dionisis Kalogeropoulos, Georgia Sovatzidi, Panagiotis G. Kalozoumis, Dimitris K. Iakovidis

AI 总结：针对现有风电预测基准在场景覆盖、模型家族、评估指标和结构诊断上的不足，提出WPBench综合基准，整合26个数据集和19个模型，提供统一评估与多维度诊断，促进系统性模型比较。

链接：https://arxiv.org/abs/2609.24444

机构：East China Normal University（华东师范大学）； Zhejiang University（浙江大学）； Hangzhou Hikvision Digital Technology Co., Ltd.（杭州海康威视数字技术股份有限公司）

作者：Yuhan Zhu, Jilin Hu, Xinying Cai, Yingshan Li, Li Ma, Xiangfei Qiu Linsen Li, Kai Zhang, Yao Fu, Weihao Jiang, Bin Yang

AI 总结：StationPDE通过构建地形感知连续场并分解为地表风输运与高空推断，结合数据驱动扩散分支，实现多站点多变量天气预测，在Weather2K和MeteoNet上平均MSE降低9.6%。

链接：https://arxiv.org/abs/2609.22123

机构：Hunan University（湖南大学）

作者：Xiao Wang, Changjian Chen, Rongwen Li, Hongwu Liu, Kun Fang, Zhuo Tang

AI 总结：针对机理仿真慢的问题，提出Helix-FNO师生架构，用傅里叶神经算子学习解算子族，实现毫秒级推理，比机理模型快三个数量级。

链接：https://arxiv.org/abs/2609.22129

机构：University of Science and Technology Liaoning（辽宁科技大学）； Wuhan University（武汉大学）

作者：Jiabao Zhao, Chuwei Wang, Jinxi Yang

AI 总结：本研究提出自适应物理信息神经网络框架，通过梯度范数损失加权、残差配点和顺序优化，将Blasius边界层壁面剪切误差降至1.896e-5，较先前结果提升21.5倍。

链接：https://arxiv.org/abs/2609.22185

机构：Beijing Institute of Mathematical Sciences and Applications (BIMSA)（北京雁栖湖应用数学研究院）

作者：Mehari Fentahun Endalew, Xiaoming John Zhang

AI 总结：SCALE是一种物理驱动、真实数据校准的混合学习架构，通过确定性算子与图Transformer结合，在储氢材料预测中实现高精度（MAE 0.0582 wt%）并将筛选成本降低约1亿倍。

链接：https://arxiv.org/abs/2609.22233

机构：Alpha Ladder Particle Pte. Ltd.（Alpha Ladder Particle 私人有限公司）

作者：Kuan Huang, Bo Bai

AI 总结：本研究提出一个智能体AI框架，利用简约机器学习模型（以极端梯度提升为最优）对岩溶含水层进行1-12周预测，实现高精度和可审计的自动化操作。

链接：https://arxiv.org/abs/2609.22251

作者：Pramod Lekhak, Chetan Sharma, Hakan Başağaoğlu, F. Paul Bertetti, Debaditya Chakraborty

AI 总结：针对领英信息流预排序延迟高、候选量大的问题，提出连接内容检索器，利用GPU排序搜索原语连接稠密图边特征与文档特征，实现50倍模型参数扩展和内容停留时间+2.5%的提升。

链接：https://arxiv.org/abs/2609.22441

机构：LinkedIn Corporation（领英公司）

作者：Akhilesh Gupta, Sudarshan Srinivasa Ramanujam, Chirag Bhanuprasad Mehta, Reshma Asharaf Beena, Dhritiman Das, Birjodh Singh Tiwana, Bhargavkumar Kanubhai Patel, Mack Lee, Renyi Tang

AI 总结：TWIG是一种图原生时间因果小波算子，通过因果多尺度特征与图小波块实现不规则图上的稳定自回归预测，在多个基准上优于非因果基线。

链接：https://arxiv.org/abs/2609.22585

机构：Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）； Stanford University（斯坦福大学）； Pacific Northwest National Laboratory（太平洋西北国家实验室）

作者：Subashree Venkatasubramanian, David A. Barajas-Solano, Chuyang Liu, Daniel M. Tartakovsky, Dipankar Dwivedi

AI 总结：本研究将过程模型预测扩展到因果网，通过预测关系与绑定计数重构未来模型，实验显示其一致性接近重挖掘模型且优于静态基线。

链接：https://arxiv.org/abs/2609.22614

机构：KU Leuven（鲁汶大学）

作者：Yongbo Yu, Jari Peeperkorn, Johannes De Smedt, Jochen De Weerdt

AI 总结：本文提出预言机知情压力测试，将预测误差分解为环境风险与预言机距离，并在24个模型上验证，发现性能下降主要由环境风险驱动，且部分发现不可复现。

链接：https://arxiv.org/abs/2609.22820

机构：Tsinghua University（清华大学）

作者：Xu Lin (1), Runheng Zuo (1), Shengxuan Xu (1), Qitai Tan (1), Hongyu Lin (1), Xiao-Ping Zhang (1) ((1) Tsinghua University, Beijing, China)

AI 总结：提出混合注意力模型，通过时间感知补丁编码与时间偏置注意力处理不规则多变量时间序列，在三个IMTS基准上取得最优零样本性能。

链接：https://arxiv.org/abs/2609.22836

机构：Southeast University（东南大学）； Nanyang Technological University（南洋理工大学）； Timecho Ltd.（天谋科技）

作者：Zhihao Lin, Li Lin, Qi Zhang, Kaiwen Xia, Shuai Wang, Jialin Qiao

AI 总结：针对基于相似性提示选择导致时间序列预测偏置的问题，提出覆盖感知框架CASP-LLM，通过使用跟踪与饱和门控正则化器（无额外参数）在多数基准上匹配或超越现有方法。

链接：https://arxiv.org/abs/2609.22977

机构：Yonsei University（延世大学）

作者：Daeun Ji, Minkyoung Kim, Dongkuk Kim, Yohan Lee, Beomsoo Kim, Beakcheol Jang

AI 总结：本文提出在PINN第一层引入输入依赖的局部化函数，无需域划分即可提升长域和高阶问题求解精度，筛选出逆二次族在三个基准上均优于基线。

链接：https://arxiv.org/abs/2609.22984

机构：Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校）

作者：Lakshay Chawla, Hardik Jain

AI 总结： 针对多类开放集异常检测，提出可解释多超球深度异常检测（IMHD-AD），为每类构建独立超球并联合优化，以最小带符号边界分数决策，在30个比较中28个取得最高AUC。

链接：https://arxiv.org/abs/2609.23008

机构：Yunnan University of Finance and Economics（云南财经大学）； Capital Normal University（首都师范大学）

作者：Zhiji Yang, Fangyong Wang, Yue Li, Xianli Pan, Jianhua Zhao

AI 总结：CTRL框架通过冻结骨干网络生成基础预测，利用LLM智能体分析残差并输出控制信号进行修正，实现语义推理与定量预测解耦，提升非平稳时间序列预测的鲁棒性。

链接：https://arxiv.org/abs/2609.23257

机构：Yonsei University（延世大学）

作者：Minkyoung Kim, Daeun Ji, Yohan Lee, Beomsoo Kim, Beakcheol Jang

AI 总结：针对数字健康活动结果早期预测，提出紧凑患者世界模型，利用潜在状态与暴露条件动态联合建模转化风险，在真实数据上显著降低预测误差，并揭示因果解释的局限。

链接：https://arxiv.org/abs/2609.23333

机构：IQVIA（艾昆纬）

作者：Yunlong Wang

AI 总结：提出一种基于谱滤波器参数化的神经算子框架，通过精确分解能量误差为可观测分量，实现分布外泛化的可预测与可审计诊断。

链接：https://arxiv.org/abs/2609.23529

机构：Harbin Institute of Technology（哈尔滨工业大学）； Jilin University（吉林大学）

作者：Hang-Cheng Dong, Pengcheng Cheng

AI 总结：该研究解耦自回归时间序列预测中补丁长度对输入表示、转移和执行的耦合，提出轨迹蒸馏与频谱切线校正，实现加速与误差降低。

链接：https://arxiv.org/abs/2609.23686

机构：Guangdong University of Technology（广东工业大学）； Guangdong Polytechnic Normal University（广东技术师范大学）； Harbin Institute of Technology（哈尔滨工业大学）

作者：Ziang Li, Yue Huang, Guoxu Zhou, Na Han, Jie Wen, Lunke Fei, Xiaozhao Fang

AI 总结：本文提出物理条件神经算子（PCNO），用于快速预测心脏瓣膜力学，较有限元模拟加速上万倍，并准确识别病理类别，助力临床早期干预。

链接：https://arxiv.org/abs/2609.23826

机构：University of Pennsylvania（宾夕法尼亚大学）

作者：Shawn Koohy, Wensi Wu, Matthew A Jolley, Paris Perdikaris

AI 总结：该系统通过异构检测器加权共识与替代模型解释，将人类分析师纳入决策循环，在工业数据流上实现稳健异常检测与可操作交互。

链接：https://arxiv.org/abs/2609.23883

机构：GECAD, ISEP, Polytechnic of Porto（波尔图理工学院，ISEP，GECAD）； SISTRADE Software Consulting（SISTRADE软件咨询公司）

作者：Diogo Risca, Afonso Lourenço, Ricardo Martins, Goreti Marreiros

AI 总结：提出紧凑随机扩散模型MGRD，从十帧观测预测二十帧神经突形态，以更低参数和计算开销在跨域数据集上提升预测精度，并提供方差评分辅助案例筛选。

链接：https://arxiv.org/abs/2609.23990

机构：Carnegie Mellon University（卡内基梅隆大学）

作者：Tsung Yeh Hsieh, Cosmin Anitescu, Chunghwan Kim, Victoria A. Webster-Wood, Yongjie Jessica Zhang

AI 总结：本研究揭示开源大语言模型虽能编码患者风险与成本信息，但未能可靠整合以做出成本正确的临床决策，且存在方向与幅度处理的不对称性，提示临床评估需补充权衡测试。

链接：https://arxiv.org/abs/2609.23999

机构：Johns Hopkins University School of Medicine（约翰斯·霍普金斯大学医学院）； Microsoft（微软）； National Institutes of Health（美国国立卫生研究院）

作者：Star S.D. Liu, Xiyu Ding, Robert B. Barrett, Alberto Santamaria-Pang, Nic Dobbins, Harold P. Lehmann

AI 总结：提出Q-DEQ，将深度平衡模型前向求解中的局部更新转化为QUBO离散优化，结合W8A8量化，在时间序列预测中实现参数和存储大幅压缩，且精度接近显式基线。

链接：https://arxiv.org/abs/2609.24042

作者：Ruotong Yang, Hongdong Zhu, Qi Gao, Yin Ma, Hai Wei, Kai Wen

AI 总结：MUSE提出依赖感知适配框架，基于冻结的MAE视觉骨干，通过VCR和TPR模块建模跨变量与跨周期依赖，在10个数据集上取得最先进预测性能。

链接：https://arxiv.org/abs/2609.24441

机构：East China Normal University（华东师范大学）

作者：Xinying Cai, Junkai Lu, Yuhan Zhu, Xiaoyun Yu, Xiangfei Qiu, Jilin Hu

AI 总结：提出一个覆盖55年380个音乐节、含9万多个演出四元组的时间知识图谱，将阵容预测形式化为时间链接预测，评估六种TKG模型并与零样本LLM对比，为TKG预测提供真实应用基准。

链接：https://arxiv.org/abs/2609.24467

机构：University of Mannheim（曼海姆大学）

作者：Julia Gastinger, Thilo Dieing, Christian Meilicke, Heiner Stuckenschmidt

AI 总结：本文提出时间序列基础模型$t_0$系列，通过多变量上下文和分位数预测实现零样本预测，在多个基准上取得领先性能。

链接：https://arxiv.org/abs/2609.24559

作者：Lucas Meyer, Claudio Sole, Huikan Xiang, Nicolas Li, Lucas Franceschino, Arnau Quera-Bofarull, Maarten P. Scholl, Joachim Fainberg, Geoffrey Négiar

AI 总结：本文提出overlay_dx，一种结合可视化与数值的新型时间序列预测评估指标，通过置信区间内预测百分比和覆盖曲线下面积，实现统一评估框架，改进模型比较。

链接：https://arxiv.org/abs/2609.24586

作者：Long Ngo, Mohammed Amine Chamli, Jonathan Rivalan, Thomas Jaillon

AI 总结：针对海冰预报中稀疏观测带来的误差累积问题，提出 ECHO 方法，通过状态依赖的传播距离修正，在 96 种设置下优于固定传播，其中 ECHO-Delta 精度最优，ECHO-Scale 稳健性最佳。

链接：https://arxiv.org/abs/2609.24591

机构：Harbin Engineering University（哈尔滨工程大学）

作者：Tianshuo Zhang, Xianglei Xing, Aowen Yang, Jia Gao, Wenzhe Zhai, ShanShan Liu

AI 总结：本研究探索树位置嵌入与对比学习增强Transformer对符号ODE表达式的结构化表示，提升学习性能并支持数学交换性质。

链接：https://arxiv.org/abs/2609.24746

机构：University of Southampton（南安普顿大学）

作者：Xiyue Fan, Adam Prugel-Bennett, Stuart E. Middleton

AI 总结：针对智能体时间序列预测中策略需随时间演化的问题，提出TimEvolve，通过将实现结果转化为对专家信任、路径选择和干预强度的持久联合更新，在八个领域上取得最优平均MSE和MAE排名。

链接：https://arxiv.org/abs/2609.24862

机构：Ant International（蚂蚁国际）； Tsinghua University（清华大学）； The Chinese University of Hong Kong（香港中文大学）

作者：Yifan Hu, Xilin Dai, Zhiyuan Qu, Yiding Liu, Zewei Dong, Jiang-ming Yang, Qiang Xu

AI 总结：本研究通过符号蒸馏学习预报变量，为AI对流参数化引入记忆机制，改善气候统计和日循环。

链接：https://arxiv.org/abs/2609.24882

机构：Deutsches Zentrum für Luft- und Raumfahrt（德国航空航天中心）； University of Bremen（不来梅大学）； University of Lausanne（洛桑大学）； University of New South Wales（新南威尔士大学）

作者：Jurij Schönfeld, Tom Beucler, Julien Savre, Steven Sherwood, Veronika Eyring

AI 总结：本研究提出三阶段框架，利用不完美神经算子提供结构先验，通过多项式延拓外推解分支并蒸馏至PINN，解决其收敛到错误解盆地的问题，在多个非线性PDE上验证了有效性。

链接：https://arxiv.org/abs/2609.24947

机构：Cornell University（康奈尔大学）； Siemens Energy（西门子能源）； Johns Hopkins University（约翰斯·霍普金斯大学）

作者：S. Mohammad Mousavi, Teeratorn Kadeethum, Nikolaos Bouklas, Somdatta Goswami

AI 总结：PRQuant通过通道排列与静态残差补偿，实现无训练低开销的低比特量化推理，在多个基准上优于MXFP4。

链接：https://arxiv.org/abs/2609.22106

机构：Huawei Technologies Co., Ltd.（华为技术有限公司）； Tsinghua University（清华大学）

作者：Peiran Wang, Anqi Wang, Jiaying Zhao, Huiwen Yang, Zhenyu Ming, Rongqian Wang, Yiwu Yao, Kun Tian, Xin Yao, Gong Zhang, Fan Yang, Zhongyi Huang

AI 总结：提出两步策略修正基于学习的感知不确定性，利用感知契约原像和风险启发式选择状态，在ACC场景中73%保持安全且仅增加2.8%完成时间。

链接：https://arxiv.org/abs/2609.22108

机构：UIUC（伊利诺伊大学厄巴纳-香槟分校）

作者：Yan Miao, Hussein Darir, Sayan Mitra

AI 总结：本研究系统评估MOUD治疗保留与提前终止预测机器学习模型的算法公平性，发现亚组性能差距存在且偏差缓解可减少但无法完全消除，为负责任应用提供实践见解。

链接：https://arxiv.org/abs/2609.22113

机构：Gary W. Rollins College of Business, The University of Tennessee at Chattanooga（田纳西大学查塔努加分校加里·W·罗林斯商学院）； The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）； The University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心）； Texas A&M University（德克萨斯A&M大学）

作者：Tongnian Wang, Carolina Vivas-Valencia, Cici Bauer, Yanmin Gong, Kim-Kwang Raymond Choo, Yuanxiong Guo

AI 总结：ZoAQ通过重用历史查询实现自适应零阶优化，无需额外验证查询，在合成目标、黑盒攻击和OPT微调中分别减少43-48%查询、以低查询达到100%攻击成功率并节省43-46%前向评估。

链接：https://arxiv.org/abs/2609.22115

机构：The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））

作者：Yangyang Feng, Yao Shu

AI 总结：LE4Mob提出一种归纳式、距离感知且源自地理信息的位置嵌入框架，通过对比预训练和距离正则化，在下一位置预测和通勤流生成任务中优于强基线，支持未见位置并跨任务迁移。

链接：https://arxiv.org/abs/2609.22117

机构：University College London（伦敦大学学院）； The Chinese University of Hong Kong（香港中文大学）； Wuhan University（武汉大学）； The Alan Turing Institute（艾伦·图灵研究所）

作者：Xinglei Wang, Stephen Law, Zichao Zeng, Junyuan Liu, Guangsheng Dong, Tao Cheng

AI 总结：针对稀疏奖励轨迹中失败与绕行问题，提出Trace框架，通过信用引导和依赖切片提取可执行操作指南，在三个基准上显著提升长时程智能体性能。

链接：https://arxiv.org/abs/2609.22120

机构：Tongji University（同济大学）； Shanghai AI Laboratory（上海人工智能实验室）； Fudan University（复旦大学）

作者：Kaijie Chen, Chenyu Fang, Liang Yan, Bo Li, Bo Zhang, Peng Ye

AI 总结：本研究通过实验证明，在联合硬件约束下，架构排名可移植性不等于可行性可移植性，跨设备评估需明确目标环境支持的工作点。

链接：https://arxiv.org/abs/2609.22122

机构：The Institute of Energetic Paradigm（能量范式研究所）

作者：Wesley Shu

AI 总结：针对扩散大语言模型训练数据检测，提出独立令牌采样（ITS）框架，通过弱依赖令牌选择降低近似误差，显著提升检测性能。

链接：https://arxiv.org/abs/2609.22145

机构：Tsinghua University（清华大学）； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））

作者：Hongyao Yu, Tianqu Zhuang, Ziyuan Xu, Hao Fang, Jiaxin Hong, Bin Chen, Shu-Tao Xia

AI 总结：SafeTune是一个统一库，通过四种干预范式审计和修复微调LLM的安全漂移，提供配置驱动工作流和模块化注册表，并在金融和医疗案例中验证其有效性。

链接：https://arxiv.org/abs/2609.22153

机构：Lexsi Labs（Lexsi 实验室）

作者：Pratinav Seth, Saisab Sadhu, Anshul Kaushal, Vinay Kumar Sankarapu

AI 总结：本文提出一个比较评估框架，从六个临床维度对表格基础模型进行评分排名，并应用于医疗用例，提供45个模型分类，以指导模型选择。

链接：https://arxiv.org/abs/2609.22154

作者：Majid Lotfian Delouee, Sjors G. J. G. In 't Veld, Martijn C. Schut

AI 总结：提出一种四步流水线，在FT-Transformer潜在空间挖掘规则并翻译为临床特征，在六个数据集上多数优于原始特征规则，但高性能潜在规则翻译后可能性能下降。

链接：https://arxiv.org/abs/2609.22155

作者：Majid Lotfian Delouee, Hamed Ayoobi, Sjors G. J. G. In 't Veld, Martijn C. Schut

AI 总结：本研究提出语言模型的非传递性偏好源于多个内部一致排序的聚合，引入噪声增强的混合Bradley-Terry模型，在七个模型和四个任务上证明混合排序优于单一效用模型，揭示LLM反映多元偏好，对齐评估需避免平均化不同用户的连贯排序。

链接：https://arxiv.org/abs/2609.22170

机构：Vermont Complex Systems Institute（佛蒙特复杂系统研究所）； University of Vermont（佛蒙特大学）

作者：Aviral Chawla, William H.W. Thompson, Jean-Gabriel Young

AI 总结：本研究在野火蔓延预测中对比多种模型，发现仅用平均精度（AP）评估会偏向预测面积过大或过小的模型，而阈值相关指标更能反映实际可用性，并提出三种预测特征以指导模型选择。

链接：https://arxiv.org/abs/2609.22191

机构：UC Berkeley（加州大学伯克利分校）； Purdue University（普渡大学）

作者：Arin Gopakumar, Marco Pannozzo

AI 总结：SegTSim是一个基于大数据的分段时间模拟框架，通过分段弹性建模、自适应门控及多因素融合，在美日汽车贸易数据上验证了其在扰动下的预测稳定性。

链接：https://arxiv.org/abs/2609.22192

机构：College of Medicine and Biological Information Engineering, Northeastern University（东北大学医学与生物信息工程学院）

作者：Xinhang Li, Chenxi Geng, Yujia Sun

AI 总结：EvoRank利用LLM引导的进化循环自动发现多目标学习排序流水线，在Expedia数据集上以低成本超越调优基线，并揭示收益多为适应度噪声，提出可预先测量的余量门来预测进化是否有效。

链接：https://arxiv.org/abs/2609.22196

机构：University of Maryland（马里兰大学）

作者：Rayhan Patel, Shabaz Patel

AI 总结：本研究通过因果干预、线性探针和稀疏自编码器等方法，机制性地剖析了层级推理模型在数独等任务上的推理过程，发现其本质是约束感知的迭代细化，且不依赖紧凑的因果特征集。

链接：https://arxiv.org/abs/2609.22197

机构：Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）

作者：Leo Raphael Rodrigues, Jian Kang

AI 总结：UniGIO提出统一生成框架，直接从稀疏不完整的全球原位观测建模天气，通过掩码生成统一预测、插补与生成，在Weather-5K上实现SOTA，精度、保真度和极端事件捕获分别提升11%、12%和5%。

链接：https://arxiv.org/abs/2609.22217

机构：Beihang University（北京航空航天大学）； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）； The Chinese University of Hong Kong（香港中文大学）； Tsinghua University（清华大学）

作者：Songru Yang, Zili Liu, Tao Han, Ben Fei, Lei Bai, Chang Liu, Zhengxia Zou, Xiangyang Ji, Wanli Ouyang, Zhenwei Shi

AI 总结：针对LLM智能体面临大量技能工具时全库提示成本高、选择可靠性低的问题，提出无需训练的候选压缩框架Toollery，通过生成意图查询构建检索索引，将候选集压缩至top-k，在多个基准上提升召回率并保持准确率。

链接：https://arxiv.org/abs/2609.22218

机构：Laboratories, Huawei（华为2012实验室）

作者：Xiangxi Tian, Ran Guan

AI 总结：针对搜索智能体在挽具更新后行为失效的问题，提出CHART课程式挽具轮换训练方法，通过动态轮换挽具保持奖励差距，使模型在所有挽具上学会并行搜索并提升迁移性能。

链接：https://arxiv.org/abs/2609.22247

机构：Amazon（亚马逊）

作者：Xinlu Zhang, Ying-Chun Lin, Zhihan Zhang, Besnik Fetahu, Xi Chen

AI 总结：CALM提出一种可复现的混合框架，集成LLM活动规划器与校准随机选择，在纽约市调查数据上显著降低模式散度，并通过消融和压力测试实现可解释的出行者仿真。

链接：https://arxiv.org/abs/2609.22252

机构：Independent Researcher（独立研究者）

作者：Yezhou Cheng

AI 总结：CAMFT提出在微调阶段即考虑可合并性，通过引导任务更新低冲突稀疏坐标，实现高效且兼容的多任务模型合并，实验证明其优于标准微调基线。

链接：https://arxiv.org/abs/2609.22253

机构：University of Chinese Academy of Sciences（中国科学院大学）； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）

作者：Jingang Zhou, Haiyang Guo, Yuan Ma, Han Zhu, Xu-Yao Zhang

AI 总结：针对自动化微调系统无状态导致重复搜索的问题，提出SAGE两阶段框架，通过多智能体MCTS探索和蒸馏积累经验，在九个未见任务上将平均相对改进从3.2%提升至15.6%。

链接：https://arxiv.org/abs/2609.22257

机构：Fudan University（复旦大学）； Ant Group（蚂蚁集团）； Shanghai Jiaotong University（上海交通大学）

作者：Haoran Zhao, Wei Du, Dingwen Yang, Jixuan Huang, Junlin Shang, Lingyong Fang, Ya Guo, Tao Gui, Qi Zhang, Xuanjing Huang

AI 总结：通过偏好优化在可靠性标记数据上训练，模型学会根据来源可靠性调整行为，实现依赖先验的可靠性开关，提升决策准确性。

链接：https://arxiv.org/abs/2609.22359

作者：Sen Yang, Yuen-Hei Yeung

AI 总结：本文提出相位相干Transformer，通过L2归一化查询和键的缩放余弦分数改进复值注意力，在多项任务上达到或超越实值基线，并首次以复值网络解决Path-X。

链接：https://arxiv.org/abs/2609.22415

作者：Leona Hioki

AI 总结：本研究提出利用SAE解码器空间的几何属性（邻居密度和最大余弦相似度）在干预前预测特征转向成本，实验表明该信号在多种模型和SAE配置下有效，为特征可控性筛选提供了初步依据。

链接：https://arxiv.org/abs/2609.22782

机构：Algoverse AI Research（Algoverse AI 研究院）

作者：Muhammad Khan, Shlok Channawar, Akshaj Gurugubelli, Girish Gupta, Aditya Shah

AI 总结：FIRM-WM通过状态分解和公共重置干预分支，解决无奖励视觉规划中目标可比性与历史依赖动态的冲突，在多个基准上超越LeWM并降低规划时间。

链接：https://arxiv.org/abs/2609.22816

机构：Saint Petersburg State University（圣彼得堡国立大学）； Shenzhen Kaihong Digital Industry Development Co., Ltd.（深圳开鸿数字产业发展有限公司）； Chinese Academy of Sciences (CAS) – Shenzhen Institute of Advanced Technology（中国科学院深圳先进技术研究院）； Harbin Institute of Technology（哈尔滨工业大学）； Chongqing Research Institute of HIT（哈尔滨工业大学重庆研究院）

作者：Yilun Wu, Yunjian Zhang, Aobo Li, Mujiangshan Wang, Haitao Wu, Aqiang Zhang

AI 总结：本研究提出一种可证伪的反事实工具评估方法，通过实验区分直接回归与双重稳健估计在不同环境下的性能，并揭示模型在固定提示下无法弃权（不执行）的缺陷。

链接：https://arxiv.org/abs/2609.22819

作者：Jiapeng Li

AI 总结：Causilo 是一个表格基础模型，通过引入行细化模块，在保持线性注意力成本的同时，以更快的推理速度达到前沿预测性能，并在多个基准上取得领先结果。

链接：https://arxiv.org/abs/2609.22866

机构：Nums AI

作者：Minyong Cho, Minho Jeong, Dooho Lee, Jinmo Lee, Jaemin Yoo

AI 总结：Merge++通过反演专家检查点合成任务图像并蒸馏知识，作为无数据后处理阶段，通用提升各类模型合并算法性能，平均增益+2至+8点，最高+25.9点。

链接：https://arxiv.org/abs/2609.22886

机构：IIT Hyderabad（印度理工学院海得拉巴分校）； Microsoft Research, India（微软研究院（印度））

作者：Aditya Pola, Vineeth N. Balasubramanian

AI 总结：针对指令微调中提示上下文与响应监督选择状态不匹配问题，提出BRIDGE方法，通过共享交互代理和交替选择实现耦合选择，在数学推理、代码生成等任务上优于独立选择方法。

链接：https://arxiv.org/abs/2609.22943

机构：Hangzhou Institute for Advanced Study（杭州高等研究院）； University of Chinese Academy of Sciences（中国科学院大学）

作者：Can Wu, Xinrui Chen, Ou Wu, Yi Du

AI 总结：本研究通过引入正交不变轮廓映射，分析训练后大型语言模型注意力头中双线性形式的对称与反对称部分，发现其轮廓聚集于秩一形式，并证明对称部分为双曲与零形式之和。

链接：https://arxiv.org/abs/2609.22990

作者：Andrew O'Desky

AI 总结：针对循环语言模型解码延迟高的问题，提出波前解码（WFD），利用权重共享和混合深度状态并行化草拟与验证，在多个基准上实现显著加速。

链接：https://arxiv.org/abs/2609.23033

机构：Seoul National University（首尔大学）

作者：Hyeongju Ha, Jae-Joon Kim

AI 总结：本文提出神经谱容量（NSC），一种仅从架构规格计算的闭式标量，用于衡量架构容量，并配套精确动态规划求解器NSC-DP，在资源约束下全局优化架构，优于现有代理指标，并显著加速剪枝与搜索。

链接：https://arxiv.org/abs/2609.23087

机构：City University of Hong Kong（香港城市大学）

作者：Chenyu Zhu, Ruoyu Zhao, Zhichao Lu

AI 总结：本文揭示白化嵌入平方范数并非高斯似然，而是语义非典型性的马氏度量，解释了其有效性及校准失败原因。

链接：https://arxiv.org/abs/2609.23117

机构：Université Paris 1（巴黎第一大学）； Faculty of Science and Technology of Tangier（丹吉尔科学与技术学院）； Abdelmalek Essaadi University（阿卜杜勒马利克·埃萨迪大学）

作者：Mohammed Ahnouch, Lotfi Elaachak

AI 总结：本文发现困惑度作为聚合指标会掩盖激活量化对检索能力的严重破坏，提出旋转基量化可显著恢复归纳能力，但检索恢复有限。

链接：https://arxiv.org/abs/2609.23125

机构：BITS Pilani, K K Birla Goa Campus（比拉理工学院皮拉尼校区，K K Birla 果阿校区）

作者：Anish Sathyanarayanan

AI 总结：本文提出FM4NILM，一个可提示编程的基础模型，通过自然语言和示例从聚合数据中估计任意电器的功率轨迹，以单一共享模型实现多电器分解，优于专用基线。

链接：https://arxiv.org/abs/2609.23146

机构：The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））； Southern University of Science and Technology（南方科技大学）

作者：Xudong Wang, Jiacheng Cui, Junyu Xue, Tongxin Li, Guoming Tang

AI 总结：针对射频/电磁电路逆向设计难、仿真昂贵的问题，提出K-TRAIL模拟器引导生成框架，结合扩散模型与集成卡尔曼引导，无需梯度即可优化布局，实验证明能改善目标响应一致性并发现多样可行设计。

链接：https://arxiv.org/abs/2609.23183

机构：Oregon State University（俄勒冈州立大学）； Yale University（耶鲁大学）

作者：Piyush Saha, Evan Newell, Hanna O'Leary, Arun Natarajan, Alireza Aghasi

AI 总结：本研究审计LLM解释器在主动推理智能体中的可靠性，发现其面对观测扰动、错误行动和恶意文本时会产生流畅但错误的解释，并提出缓解措施，强调解释器测试应纳入智能体部署审计。

链接：https://arxiv.org/abs/2609.23215

作者：Param Raval, Rohit Shenoy, Archana Vaidheeswaran

AI 总结：本文提出混合学习视角，将潜在混杂视为异质性来源，通过恢复混合分布与分量机制，实现干预分布和因果估计量的估计，并连接高维混合学习与因果推断。

链接：https://arxiv.org/abs/2609.23219

机构：Massachusetts Institute of Technology（麻省理工学院）

作者：Mansi Sood, Devavrat Shah

AI 总结：本文精确刻画自校准监控器在任意漂移下的误报率保证代价，提出证据恒等式与盲集理论，证明速度有界类盲集为双倍速度类，并给出更紧的高斯投影功效界。

链接：https://arxiv.org/abs/2609.23254

机构：Institut National des Postes et Télécommunications（国家邮电学院）； Togo AI Lab（多哥人工智能实验室）

作者：Abdou-Raouf Atarmla

AI 总结：本文通过推导链式跨任务核，从学习动力学角度解释了潜意识学习机制，证明幽灵输出监督在共享初始化下形成半正定结构，并验证了维度秩瓶颈与高熵输入的有效性。

链接：https://arxiv.org/abs/2609.23260

机构：Rochester Institute of Technology（罗切斯特理工学院）； Google Inc（谷歌公司）

作者：Zhe Li, Bicheng Ying, Chaosheng Dong, Haibo Yang

AI 总结：针对前缀反馈下的重复先知不等式问题，提出一种结合经验逆向归纳与相对下降聚合的高效算法，实现与下界匹配的 $\tilde O(\sqrt T)$ 遗憾，并消除对盒子数量的多项式依赖。

链接：https://arxiv.org/abs/2609.23265

机构：Purdue University（普渡大学）

作者：Kun Wang

AI 总结：针对在线实验分层抽样中方差缩减效果依赖分层构建的问题，提出基于最优多路决策树的OMST方法，通过路径选择与精确方差最小化优化分层，实现更优或相当的方差缩减且保持可解释性。

链接：https://arxiv.org/abs/2609.23308

机构：University of Tsukuba（筑波大学）

作者：Tomoka Takei, Shunnosuke Ikeda, Yuichi Takano

AI 总结：针对LLM时代社交机器人检测中的模态冲突问题，提出CSC框架，通过简化图专家、校准融合和轻量级不一致性专家，在多个基准上提升校准决策质量并保持竞争力。

链接：https://arxiv.org/abs/2609.23320

机构：Minzu University of China（中央民族大学）； City University of Macau（澳门城市大学）

作者：Yipeng Qian, Pengjie Zhao, Chaoxi Niu

AI 总结：本研究通过预测商形式化循环模型的安全遗忘边界，提出可审计有限未来框架，并给出最优探针复杂度，实现有界语义失真的安全修正。

链接：https://arxiv.org/abs/2609.23366

机构：Northeastern University（东北大学）

作者：Linzhe Zhang, Changming Xu

AI 总结：本文提出物理表示语言发现，通过匿名受控实验恢复隐藏本体论，给出可辨识性理论、多项式时间算法及极小极大界，将科学ML从学习定律转向发现表达定律的语言。

链接：https://arxiv.org/abs/2609.23381

机构：Northeastern University（东北大学）

作者：Linzhe Zhang, Changming Xu

AI 总结：本文提出从匿名受控实验中盲发现热力学本体论的理论与多项式时间算法，通过复制对比、热接触和循环凹性提取广延/强度扇区并验证势能，在范德瓦尔斯流体等测试中稳健恢复，确立了观测等价极限并跨真实物质验证。

链接：https://arxiv.org/abs/2609.23387

机构：Northeastern University（东北大学）

作者：Linzhe Zhang, Changming Xu

AI 总结：TRACE通过预定义的32维临床潜空间划分和路由机制，在保持决策路径可审计性的同时，以八分之一参数超越ECG基础模型，实现可干预的诊断与重建。

链接：https://arxiv.org/abs/2609.23460

机构：Shenzhen University of Advanced Technology（深圳理工大学）； Monash University（莫纳什大学）； University of Queensland（昆士兰大学）； University of Cambridge（剑桥大学）

作者：Shunbo Jia, Runze Ma, Haonan Lyu, Haijin Zhang, Qiang Yang, Caizhi Liao

AI 总结：本研究提出物理残差机器学习方法，利用Tafel方程外推与学习残差修正，从稀疏极化测量预测超出训练范围的析氧催化剂活性，显著降低误差并缩短测量时间。

链接：https://arxiv.org/abs/2609.23549

机构：Jeju National University（济州大学）； Korea Hydro and Nuclear Power Co. Ltd.（韩国水力核电公司）

作者：Yong-Woon Kim, Jihyeok Lee, Sungtae Park, Sooseok Choi, Yung-Cheol Byun

AI 总结：本研究通过Sink拓扑一致性指标评估4比特仅权重量化对首token注意力头的影响，发现全局排名保持但离散头集和跨域校准需重新验证。

链接：https://arxiv.org/abs/2609.23585

机构：National Tsing Hua University（国立清华大学）

作者：Kuanlin Chen, Chen-Wei Kuo, Cheng-En Ou

AI 总结：本研究针对近低秩对抗分类，提出边界归一化与路径特定密度界，实现尾部权重控制及局部泛化保证，并通过实验验证其有效性。

链接：https://arxiv.org/abs/2609.23688

机构：The Chinese University of Hong Kong（香港中文大学）； Columbia University（哥伦比亚大学）

作者：Kunyu Wang, Dehan Wang, Wenjun Chen

AI 总结：GenVoid提出一种物理信息生成模型框架，从表面位移测量中概率性识别内部空洞，考虑不确定性，并通过可观测性度量指导测量策略，实现非侵入性缺陷表征。

链接：https://arxiv.org/abs/2609.23761

机构：Worcester Polytechnic Institute（伍斯特理工学院）

作者：Trishit Mondal, Prajwal Bharadwaj, Nikhil Karanjgaokar, Ameya D. Jagtap

AI 总结：本文提出倒下的树（falling trees）模型，在保持单调风险约束的同时允许树状分支，并通过GRAVITree算法学习，在临床和公开基准上优于或匹敌现有可解释模型，实现可解释性与表达能力的平衡。

链接：https://arxiv.org/abs/2609.23780

机构：Duke University（杜克大学）； University of British Columbia（不列颠哥伦比亚大学）

作者：Varun Babbar, Zachery Boner, Margo Seltzer, Cynthia Rudin

AI 总结：本文提出迭代原子细化（IAR）算法，通过迭代选择强相关观测并平均更新方向，借助单调性原理证明三步内可恢复字典原子，实验验证了理论。

链接：https://arxiv.org/abs/2609.23812

机构：Stanford University（斯坦福大学）； Universidad Carlos III de Madrid（马德里卡洛斯三世大学）； Pennsylvania State University（宾夕法尼亚州立大学）； University of California, Merced（加州大学默塞德分校）

作者：Alexander Christie, Miguel Moscoso, Alexei Novikov, George Papanicolaou, Chrysoula Tsogka

AI 总结：本文提出Circuit-Diff方法，通过低秩事实编辑干预模型并识别归因图中变化特征，以定位与编辑知识相关的电路节点，并提供了因果验证和开源工具。

链接：https://arxiv.org/abs/2609.23892

机构：Carnegie Mellon University（卡内基梅隆大学）

作者：Edward G. Friedman, Xiangchen Song

AI 总结：提出GDN Tree-Scan，一种集成于vLLM的Gated-DeltaNet混合语言模型树验证器，通过分支局部状态扫描等技术，在Qwen3.6-27B上实现27.0%的令牌加权解码吞吐量提升。

链接：https://arxiv.org/abs/2609.23900

作者：Zhiyuan Ma

AI 总结：本文提出一种基于Kolmogorov-Arnold网络集成的新算法，用于预测随机系统中向量值目标的联合分布，并引入新的差异度量及拟合优度检验以验证和校准该识别技术。

链接：https://arxiv.org/abs/2609.23906

机构：University of Greenwich（格林威治大学）

作者：Andrew Polar, Michael Poluektov

AI 总结：针对高密度微电极阵列的稀疏放电数据，提出基于时空基元词汇表的离散生成模型，在31项人脑类器官与海马组织实验中实现5.2倍重建精度提升，并建立可复用的阵列级表示。

链接：https://arxiv.org/abs/2609.23907

机构：Rensselaer Polytechnic Institute（伦斯勒理工学院）； University of California Santa Cruz（加州大学圣克鲁兹分校）

作者：Md Sayed Tanveer, Mohammed A. Mostajo-Radji, Ge Wang

AI 总结：提出两阶段神经框架，通过物理信息模型生成外力轨迹并优化，结合数学认证准则，证明三维不可压缩Navier-Stokes方程有限时间爆破。

链接：https://arxiv.org/abs/2609.23934

作者：Beibei Li

AI 总结：ShapeLex通过将局部形状离散符号化与全局尺度连续建模解耦，实现文本控制的时间序列生成，在十二个数据集上优于现有方法，并自动合成监督信号提升可扩展性。

链接：https://arxiv.org/abs/2609.24003

机构：Shanghai University（上海大学）； Shanghai Institute of Applied Physics, Chinese Academy of Sciences（中国科学院上海应用物理研究所）

作者：Subo Wei, Jianqi Gao, Mingyan Fan, Shaorong Xie, Xinzhi Wang, Yongpeng Dong

AI 总结：本文提出Graph-to-Grid连续坐标特征绘制方法，将球员特征按坐标双线性散布到网格，在2022世界杯53,628次传球上提升传球选择似然约四分之一纳特，优于栅格输入及多种替代方案。

链接：https://arxiv.org/abs/2609.24040

机构：Sabancı University（萨班哲大学）； Carnegie Mellon University（卡内基梅隆大学）

作者：Kaan Günay, Orhun Gun

AI 总结：CLOOPD提出闭环框架，分离教师信号获取与学生实现，通过自适应α路径点和多遍策略，在减少令牌和GPU消耗的同时提升蒸馏性能。

链接：https://arxiv.org/abs/2609.24141

机构：Alibaba Group（阿里巴巴集团）

作者：Keye Zheng, Hanyu Li, Zhan Cheng, Yuan Gao

AI 总结：本研究通过构建160个二元组谈判模拟，使用2880个反事实探针审计语言模型智能体的心智理论，发现其社交流畅但经济表现差，依赖自我中心投射而非真正推断伙伴心智。

链接：https://arxiv.org/abs/2609.24146

机构：DailyAdvance

作者：Cong Li, Cheng Chen, Thomas Fung, Alex Rossi, Yi Li

AI 总结：H-Spec提出无草稿方KV缓存的混合Mamba-注意力并行推测解码器，通过目标上下文注入提升平均接受长度与吞吐量，降低KV缓存开销。

链接：https://arxiv.org/abs/2609.24197

机构：Harvard University（哈佛大学）； Capital One（第一资本）； Red Hat（红帽公司）； ISTA（奥地利科学技术研究所）； NVIDIA（英伟达）

作者：Weifan Jiang, Krishna Teja Chitty-Venkata, Megan Flynn, Reed Meyerson, Zhenting Qi, Tianyu Wu, Eldar Kurtic, Minlan Yu, Alexandre Marques

AI 总结：本研究提出意见领袖动力学框架，将词元视为单位球面上的粒子，通过显式和隐式两种机制解释稀疏注意力下词元组内收敛而组间分离的现象，并在多个前沿大语言模型上验证了该多组结构预测。

链接：https://arxiv.org/abs/2609.24202

机构：Tsinghua University（清华大学）； Shanghai Jiao Tong University（上海交通大学）

作者：Jingkun Liu, Yue Song

AI 总结：本文发现模型间共享的是表征空间中的位移方向而非绝对位置，提出影子投射方法，通过缓存前向传播实现无需微调的能力迁移，并以SHADOWCLIP验证其高效性。

链接：https://arxiv.org/abs/2609.24209

机构：Dartmouth College（达特茅斯学院）

作者：Chenming Shang, Yujin Tang, Jun Jie Ou Yang, Ruize Xu, Adam Breuer, Nikhil Singh

AI 总结：针对EEG跨受试者解码中梯度非平稳性问题，提出AFOR优化器，通过动态调整二阶矩衰减系数，在三个基准上平均准确率较Adam提升2-4%。

链接：https://arxiv.org/abs/2609.24233

机构：Chongqing Institute of Green Intelligent Technology, Chinese Academy of Sciences（中国科学院重庆绿色智能技术研究院）； University of Electronic Science and Technology of China（电子科技大学）； Beijing University of Posts and Telecommunications（北京邮电大学）

作者：Hongyu Zhu, Lin Chen, Jing Chen, Yuting Zhou, Mingsheng Shang

AI 总结：本文提出基于切片Wasserstein距离的高维在线变点检测框架，结合自适应阈值和对比解释，显著降低误报率并提升可解释性。

链接：https://arxiv.org/abs/2609.24278

机构：Federal Institute for Occupational Safety and Health, Dresden（德累斯顿联邦职业安全与健康研究所）； Technical University of Munich（慕尼黑工业大学）； Munich Center for Machine Learning（慕尼黑机器学习中心）； Sapienza University of Rome（罗马第一大学）

作者：Sven Jacob, Bardh Prenkaj, Weijia Shao, Gjergji Kasneci

AI 总结：针对训练后模型过度自信问题，提出无标签校准方法SupportCal，利用预训练参考模型的支持与佐证对不一致样本加权，在多个基准上降低期望校准误差。

链接：https://arxiv.org/abs/2609.24303

机构：The University of Sydney（悉尼大学）； University of Cambridge（剑桥大学）； The University of Adelaide（阿德莱德大学）

作者：Linhan Luo, Lequan Lin, Dai Shi, Feng Chen, José Miguel Hernández-Lobato, Junbin Gao

AI 总结：本文发现量化模型在保持分类准确率时仍改变14-46%的检索结果，提出利用最高两得分差距预测并修复量化损害，在检索中分配额外位宽、在分类中路由低差距输入至全精度。

链接：https://arxiv.org/abs/2609.24322

机构：Sapienza University of Rome（罗马第一大学）； Paradigma； Not Diamond

作者：Luca Zhou, Alessandro Zirilli, Daniele Solombrino, Roberto Dessì, Emanuele Rodolà

AI 总结：本文提出一个结合神经模糊预测与两阶段可解释组件的通用框架，在多个基准数据集上实现高达99%的AUC-ROC，并支持特征级和规则级解释，提升海事决策的可信度。

链接：https://arxiv.org/abs/2609.24358

作者：Dionisis Kalogeropoulos, Georgia Sovatzidi, Dimitris K. Iakovidis

AI 总结：本研究利用观测性机器学习框架，基于2015-2022年多源数据，发现信贷获取增加与非洲之角急性粮食不安全率降低2%相关，为数据稀缺危机地区提供了金融与粮食安全关联的证据。

链接：https://arxiv.org/abs/2609.24382

机构：Universitat de València（瓦伦西亚大学）； Wageningen University & Research（瓦赫宁根大学及研究中心）； Joint Research Centre (JRC), European Commission（欧盟委员会联合研究中心）； World Food Programme (WFP), United Nations（联合国世界粮食计划署）； Internal Displacement Monitoring Centre (IDMC)（境内流离失所监测中心）

作者：Jordi Cerdà-Bautista, Vasileios Sitokonstantinou, José Manuel Veiga López-Peña, Duccio Piovani, José María Tárraga, Gustau Camps-Valls

AI 总结：本研究利用敏感性机制分层区域，结合遥感、社会经济数据和因果机器学习，发现ENSO抑制植被的区域中价格飙升显著加剧粮食不安全，为预警和预期行动提供依据。

链接：https://arxiv.org/abs/2609.24394

机构：Universitat de València（瓦伦西亚大学）； Wageningen University & Research（瓦赫宁根大学及研究中心）； European Commission（欧盟委员会）

作者：Jordi Cerdà-Bautista, Vasileios Sitokonstantinou, Homer Durand, Gherardo Varando, Michele Ronco, Gustau Camps-Valls

AI 总结：提出ASF-S结构化剪枝框架，利用基于脑启发的PGI选择标准和AFC功能连接，实现70%参数缩减并无需重训练即可恢复基线准确率。

链接：https://arxiv.org/abs/2609.24401

机构：Intitute for Digital Technologies, Loughborough University London（拉夫堡大学伦敦数字技术研究所）； Center for Neuromorphic Intelligence, Aston University（阿斯顿大学神经形态智能中心）

作者：Mindula Illeperuma, Rafael Pina, Charuka Herath, Sharmarke A. Gabayre, Varuna De Silva

AI 总结：本文提出ARM，一种基于路由内存的KV缓存结构，通过Gumbel-Softmax和可学习策略实现动态内存选择，在长上下文推理中减少信息损失并提升性能与效率。

链接：https://arxiv.org/abs/2609.24417

机构：University of Toronto（多伦多大学）； Vector Institute（向量研究所）； Université de Montréal（蒙特利尔大学）； Mila - Quebec AI Institute（Mila-魁北克人工智能研究所）； RIKEN AIP（日本理化学研究所革新智能统合研究中心）； Western University（韦仕敦大学）

作者：Qiuhao Zeng, Jerry Huang, Peng Lu, Ruiyi Fang, Gezheng Xu, Zihao Jing, Yufei Cui, Charles Ling, Gang Niu, Boyu Wang

AI 总结：针对在线策略蒸馏中稀疏监督的梯度估计噪声问题，提出基于信噪比分解的信息效率比（IER）用于 token 选择，在数学和医学推理任务上以 0.1%-1% 的 token 预算达到或超过完整监督效果。

链接：https://arxiv.org/abs/2609.24432

机构：MBZUAI（穆罕默德·本·扎耶德人工智能大学）； Ant Group（蚂蚁集团）

作者：Huanxin Sheng, Zhiling Ye, Haonan Wang, Jian Wang, Jinjie Gu, Jian Kang

AI 总结：RAILS通过检索增强和增量式批处理，将LLM聚类扩展到生产规模，在六个基准上平均超越先前最强方法，并成功部署于SaaS工单主题发现场景。

链接：https://arxiv.org/abs/2609.24464

机构：Zendesk

作者：Armin Oliya, Aleksandra Sawczuk, Radosław Białobrzeski

AI 总结：本研究探究模型合并对涌现能力的影响，发现合并保留双亲共有的涌现能力、无法创造超可加性能力，且会更快稀释单侧携带的能力，表明涌现行为不可组合。

链接：https://arxiv.org/abs/2609.24504

机构：Sapienza University of Rome（罗马第一大学）； Paradigma

作者：Luca Zhou, Emanuele Rodolà

AI 总结：本文提出通用多模态Traceformer（UMT），一个基于Transformer的统一框架，通过通用特征编码器和逐事件Perceiver模块整合异构上下文，并在多时间尺度上预测事件，在13个真实日志上优于现有方法。

链接：https://arxiv.org/abs/2609.24579

机构：Celonis

作者：Fabian Spaeh, Jingxing Fang, Shandian Zhe, Bin Shen

AI 总结： 提出学习增强假设检验框架，利用未知质量的预测（总体方向或个体级）减少A/B测试样本量，经角色LLM模拟验证，在四个数据集上显著降低成本且保持统计有效性。

链接：https://arxiv.org/abs/2609.24629

机构：Amazon（亚马逊）

作者：Ziyad Benomar, Aymen Al Marjani, Paul Missault, Saab Mansour

AI 总结：针对扩散与流模型在语音增强中训练-推理不匹配问题，提出校正强迫后训练范式，通过自生成滚动校正预测，提升感知质量与重建保真度。

链接：https://arxiv.org/abs/2609.24651

机构：Jiangsu University（江苏大学）； Jiangsu Engineering Research Center of Big Data Ubiquitous Perception and Intelligent Agriculture Applications（江苏省大数据泛在感知与智能农业应用工程技术研究中心）； Provincial Key Laboratory of Computational Intelligence and New Technologies in Low-Altitude Digital Agriculture（省低空数字农业计算智能与新技术重点实验室）

作者：Qing Yao, Lijian Gao, Qirong Mao

AI 总结：提出一种基于联结树的精确线性规划形式用于有界深度二元特征分类树，通过精确约简缩小模型，支持列生成与消息传递求解，显著提升可证明最优性的实例数并大幅降低运行时间。

链接：https://arxiv.org/abs/2609.24741

机构：The Hong Kong Polytechnic University（香港理工大学）

作者：Jiancheng TU, WenqiFan

AI 总结：本文提出 Complex KDA (CKDA)，通过扩展 KDA 参数范围实现二维旋转，在保持效率的同时达到 DeltaProduct2 的表达能力，并在状态跟踪和语言建模中表现优异。

链接：https://arxiv.org/abs/2609.24797

机构：University of Freiburg（弗莱堡大学）； Microsoft Research（微软研究院）； University of Tübingen（图宾根大学）； MPI-IS Tübingen（马克斯·普朗克智能系统研究所图宾根）； ELLIS Institute Tübingen（图宾根ELLIS研究所）； EPFL（洛桑联邦理工学院）； Jülich Supercomputing Center (JSC)（于利希超级计算中心）； LAION； PriorLabs

作者：Julien Siems, Riccardo Grazzi, Korbinian Pöppel, Jaisidh Singh, Arber Zela, Timur Carstensen, Jenia Jitsev, Frank Hutter, Volkan Cevher, Antonio Orvieto, Aaron Klein

AI 总结：提出G-NAC，一种基于循环图神经细胞规则的无监督聚类方法，在73个任务中达到0.7951的平均ARI，并实现线性扩展与规则迁移。

链接：https://arxiv.org/abs/2609.24823

作者：Keith Miller, Tristan Crawford

AI 总结：针对智能体随机轨迹中的稀有事件，提出一种通过扰动模型权重构建重要性采样提议的新方法，利用梯度搜索和自适应正则化，在多种模型上实现超过800倍的计算效率提升。

链接：https://arxiv.org/abs/2609.24969

机构：Columbia Business School（哥伦比亚商学院）

作者：Hanming Yang, Daksh Mittal, Jing Dong, Hongseok Namkoong