University of Georgia

流式部署中，固定策略的损失会随历史变化，原先按固定总体风险做认证的Learn-then-Test不再描述实际遇到的风险。StreamLTT把认证目标改为平均可预测风险，即每次决策前按已有信息取条件风险再沿流平均，并用条件中心化把经验偏差变成鞅和。在七个预测数据集与七种部署风险上，其方差自适应版本把认证前沿推到接近风险目标的位置，经验族错误率也贴近设定水平。

流式部署中，固定策略的损失会随历史变化，原先按固定总体风险做认证的Learn-then-Test不再描述实际遇到的风险。StreamLTT把认证目标改为平均可预测风险，即每次决策前按已有信息取条件风险再沿流平均，并用条件中心化把经验偏差变成鞅和。在七个预测数据集与七种部署风险上，其方差自适应版本把认证前沿推到接近风险目标的位置，经验族错误率也贴近设定水平。

结构化知识检索不再需要预先写好的查询—规则配对：路由智能体为每条查询挑一条推理规则，对应检索器按该规则约束排序证据，两者交替训练、互相提供监督。

结构化知识检索不再需要预先写好的查询—规则配对：路由智能体为每条查询挑一条推理规则，对应检索器按该规则约束排序证据，两者交替训练、互相提供监督。

TopoLIA把注意力从“传多少信息”扩展到“信息如何按目标变换”，在蛋白-配体打分与对接基准上超过同架构的标准注意力版本，CASF-2013对接成功率达88%。

TopoLIA把注意力从“传多少信息”扩展到“信息如何按目标变换”，在蛋白-配体打分与对接基准上超过同架构的标准注意力版本，CASF-2013对接成功率达88%。

MolP2SBench 把分子性质到结构的推理改成带掩码骨架的多选题，并加入打乱与反事实替换两种干预，用来区分模型答对与模型真的用了所给性质。评测七个模型后发现，同一性质通道上的准确率高低并不对应模型对该性质变化的敏感程度，例如模型可能更受益于 1H NMR 却更少在 1H 数据被替换时改变选择；模型表现也不总与化学家对这些性质难度的直觉一致。

MolP2SBench 把分子性质到结构的推理改成带掩码骨架的多选题，并加入打乱与反事实替换两种干预，用来区分模型答对与模型真的用了所给性质。评测七个模型后发现，同一性质通道上的准确率高低并不对应模型对该性质变化的敏感程度，例如模型可能更受益于 1H NMR 却更少在 1H 数据被替换时改变选择；模型表现也不总与化学家对这些性质难度的直觉一致。

该工作构建了野火后泥石流（PFDF）数据驱动预测的统一基准，用LLM将业务天气预报文本转为结构化气象指标并融合地形与土壤湿度特征，并提出基于强化学习的特征选择框架，通过扰动使正负样本预测不可区分来识别关键驱动因子；结果显示可学习模型一致优于固定系数的USGS逻辑回归基线，增强特征进一步提升多数模型表现，且风暴变量在全球层面占主导而特征重要性随区域显著变化。

该工作构建了野火后泥石流（PFDF）数据驱动预测的统一基准，用LLM将业务天气预报文本转为结构化气象指标并融合地形与土壤湿度特征，并提出基于强化学习的特征选择框架，通过扰动使正负样本预测不可区分来识别关键驱动因子；结果显示可学习模型一致优于固定系数的USGS逻辑回归基线，增强特征进一步提升多数模型表现，且风暴变量在全球层面占主导而特征重要性随区域显著变化。

作者提出 software-in-the-loop reconstruction（SWR）自监督框架，从已有软件工作流中自动获取参考输出与验证目标，在 500 个工作流、46 个软件家族、六个领域上实例化，用 Qwen3.8-Max 三次尝试解出 838 个任务并得到 1,422 条已验证轨迹，过采样为 3,000 条重建训练样本，监督微调使 Qwen3.8-27B 在 Terminal-Bench 2 上的平均表现从 47.94% 提升到 53.56%，并在四项报告评测上取得四个等 token 语料对照中的最高均值。

作者提出 software-in-the-loop reconstruction（SWR）自监督框架，从已有软件工作流中自动获取参考输出与验证目标，在 500 个工作流、46 个软件家族、六个领域上实例化，用 Qwen3.8-Max 三次尝试解出 838 个任务并得到 1,422 条已验证轨迹，过采样为 3,000 条重建训练样本，监督微调使 Qwen3.8-27B 在 Terminal-Bench 2 上的平均表现从 47.94% 提升到 53.56%，并在四项报告评测上取得四个等 token 语料对照中的最高均值。

BitNest 提出一种位嵌套投机解码框架，先把低精度草稿直接嵌入高精度目标表示、再通过残差精修恢复高精度目标，使草稿与目标共享同一份物理权重表示，并将该渐进精度设计扩展到 KV 缓存以支持长上下文推理；在多个 7B–8B 边缘友好 LLM 和多样负载上，它取得平均 95.2% 的投机接受率、较好保持高精度模型质量，并相对 FP16 自回归解码获得 1.48–1.61 倍端到端加速，在全部代表性自投机基线均支持的 LLaMA 模型上也取得相当或更高的解码加速。

BitNest 提出一种位嵌套投机解码框架，先把低精度草稿直接嵌入高精度目标表示、再通过残差精修恢复高精度目标，使草稿与目标共享同一份物理权重表示，并将该渐进精度设计扩展到 KV 缓存以支持长上下文推理；在多个 7B–8B 边缘友好 LLM 和多样负载上，它取得平均 95.2% 的投机接受率、较好保持高精度模型质量，并相对 FP16 自回归解码获得 1.48–1.61 倍端到端加速，在全部代表性自投机基线均支持的 LLaMA 模型上也取得相当或更高的解码加速。

智能体安全检测此前几乎只依赖应用层遥测，即工具清单、用户提示和模型消息，但有些威胁能绕过这一层。研究者把应用层遥测与内核级系统调用轨迹配对，构建了含4047个会话、17个威胁模型的配对语料ACE，覆盖六类投递向量和25个OWASP LLM与智能体威胁类别中的14个。在四类检测器上，内核证据单独即可区分威胁，与应层证据组合后总体优于任一单层视角，并能泛化到未见攻击家族和另一个智能体运行时。

智能体安全检测此前几乎只依赖应用层遥测，即工具清单、用户提示和模型消息，但有些威胁能绕过这一层。研究者把应用层遥测与内核级系统调用轨迹配对，构建了含4047个会话、17个威胁模型的配对语料ACE，覆盖六类投递向量和25个OWASP LLM与智能体威胁类别中的14个。在四类检测器上，内核证据单独即可区分威胁，与应层证据组合后总体优于任一单层视角，并能泛化到未见攻击家族和另一个智能体运行时。