University of Tennessee at Knoxville

从8×8的粗观测重建128×128涡量场是16倍上采样，粗网格只分辨到波数4，细尺度涡结构必须靠先验推断。SIMR-NO把重建拆成32→64和64→128两级，每级在双三次插值基底上叠加由径向波数门控的傅里叶层残差修正，再用局部卷积补足截断傅里叶基之外的特征。在Kolmogorov强迫湍流上其平均相对误差为0.2506，低于LapSRN、FNO和EDSR；在Re=1000、4000、8000的衰减均匀各向同性湍流上平均相对误差约3%，且随雷诺数变化很小。

从8×8的粗观测重建128×128涡量场是16倍上采样，粗网格只分辨到波数4，细尺度涡结构必须靠先验推断。SIMR-NO把重建拆成32→64和64→128两级，每级在双三次插值基底上叠加由径向波数门控的傅里叶层残差修正，再用局部卷积补足截断傅里叶基之外的特征。在Kolmogorov强迫湍流上其平均相对误差为0.2506，低于LapSRN、FNO和EDSR；在Re=1000、4000、8000的衰减均匀各向同性湍流上平均相对误差约3%，且随雷诺数变化很小。

手术机器人要在遮挡下预判器械动作会把组织推成什么样，此前用可微物理仿真直接预测组织的绝对位置，重建误差、初始化和仿真偏移会让整块表面持续错位。现在改为把每个组织点锚定在它最后一次有效观测上，只预测已知未来器械轨迹带来的形变增量，物理模型用无网格位置动力学并逐场景辨识刚度、附着与抓持耦合。在12段手术操作视频上，参照式预测相对持久性基线的片段内误差比中位数为0.912，95%区间0.787–1.070，12段中8段改善，区间包含持平。

手术机器人要在遮挡下预判器械动作会把组织推成什么样，此前用可微物理仿真直接预测组织的绝对位置，重建误差、初始化和仿真偏移会让整块表面持续错位。现在改为把每个组织点锚定在它最后一次有效观测上，只预测已知未来器械轨迹带来的形变增量，物理模型用无网格位置动力学并逐场景辨识刚度、附着与抓持耦合。在12段手术操作视频上，参照式预测相对持久性基线的片段内误差比中位数为0.912，95%区间0.787–1.070，12段中8段改善，区间包含持平。

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。

该工作指出非结构化知识编辑中标准段落级目标会让后出现的事实因上下文更丰富而初始损失更低、显得更易学习，从而造成上下文依赖；为此提出即插即用的 FOVEATED 框架，在编辑时随机偏移某句前文键的 RoPE 位置以构造聚焦视图，编辑后移除扰动、推理时保持原生位置编码不变，并在直接优化与先定位后编辑两类编辑器上实例化，理论分析其如何抵消上下文导致的难度低估，实验在五个知识编辑器、两个大模型骨干和三个基准上取得一致提升。

该工作指出非结构化知识编辑中标准段落级目标会让后出现的事实因上下文更丰富而初始损失更低、显得更易学习，从而造成上下文依赖；为此提出即插即用的 FOVEATED 框架，在编辑时随机偏移某句前文键的 RoPE 位置以构造聚焦视图，编辑后移除扰动、推理时保持原生位置编码不变，并在直接优化与先定位后编辑两类编辑器上实例化，理论分析其如何抵消上下文导致的难度低估，实验在五个知识编辑器、两个大模型骨干和三个基准上取得一致提升。