稀疏顶点位移补全稠密网格运动时，在单一几何族上训练的残差先验常常打不过无需学习的调和延拓，因为残差幅度随几何族和观测密度变化超过一个数量级，而测试时目标运动未知、无法直接测量。Cepheid 只学习无量纲的残差结构，再用可观测量加一个在训练源上拟合的轻量修正恢复物理幅度。统一模型在全部五个评估族上低于调和延拓，未见过的布料片和程序生成的腿式机体分别降低 15.6% 和 10.1% 误差，且无需骨架、配准或跨网格对应。
PRISM-Net把商品图像的整体特征拆成线条与颜色两条专家通路，用冻结的SigLIP文本提示以零样本方式监督两个路由器，再由按图像自适应的元路由器融合两路证据。在275,454张、18类电商图像的5折交叉验证与55,091条查询对220,363张图库的全量检索中，SwinV2骨干上线条检索mAP@10提升5.74个百分点，颜色专用配置的颜色检索mAP@10提升9.12个百分点；ConvNeXt-V2与DINOv3上产品检索与属性对齐之间存在取舍。
JuloVelo把基因动力学模式识别放在神经网络训练之前：先按未剪接与已剪接RNA的关系把每个基因判为Circle、完全诱导或完全抑制，再用对应模式的预训练权重初始化，避免细胞特异动力学优化收敛到生物学上不合理的参数区间。在覆盖红系生成、神经发生与内分泌发生的八个生物数据集以及带已知动力学的模拟数据上，它比常速率模型和细胞特异模型更稳定，是唯一理清海马神经发生全部五条分化支路的方法，并借助启动子染色质可及性处理多组学数据。
作者提出 BLS：一种面向行为基础模型（BFM）的离线零样本任务推断方法，它先用最小二乘（OLS）得到任务向量，再用软间隔对比损失与信赖域损失联合优化该向量，以同时降低奖励重建误差与后继测度偏差；理论上给出由后继测度残差与奖励残差共同刻画的次优性上界，实验在 OGBench 的 5 种特征表示（本体感知与像素观测）、DMC 的 20 个任务与 HumEnv 的 45 个人形控制任务上平均优于 OLS、ZOL、ReLA 与 LoLA，且推理开销可忽略。
研究者从 YouTube 上 219 场、共 12,534 分钟的肿瘤委员会录像中整理出 OpenTumorBoard 基准，包含 611 例患者病例、19,157 轮讨论和十个专科角色，并据此设置“专科单轮回答”与“整场委员会模拟”两项任务，评测 14 个通用与医学大模型后发现最佳模型在临床等价性上仅得 3.43/5、在与真实委员会结论的对齐上仅得 2.78/5，而对 Qwen2.5-VL-3B 做监督微调加强化学习可把对齐分从 1.58 提升到 1.86。
已读完全部报道