金融智能体首次在开放世界受考：150次会话无一通过，用户点头的35次全被程序判错
FinCosmos把金融智能体评测中的用户意图、数据来源和时间边界同时打开：模拟投资者只按提问透露隐藏策略，智能体须自行从网络取数并在数据截止日前完成回测，评分由程序核验交付物而非比对参考答案。四个编码智能体与一个无工具模型共150次会话无一被接受，其中模拟用户表示满意的35次全部至少触发一项程序否决。
天气预报开始按十分钟更新：欧洲版StormScope用卫星云图做区域临近预报
NVIDIA 在欧洲推出 Earth-2 开放模型家族的区域成员 StormScope EU，用 EUMETSAT 卫星观测预测 16 个 Meteosat 通道上的云况演变，时间间隔为 10 分钟。全球预报能显示风暴成形，但太阳能电站、航运路线和承保财产更依赖局地信息。在 GTC 柏林，这套模型与 Earthmover 数据平台组成实时演示流程，新观测一到就更新结果，并以地图瓦片形式提供，参观者无需下载完整数据集即可浏览欧洲范围的预测。
单细胞测序只能看到离散快照：潜在细胞状态模型补出未观测时间点的基因表达
单细胞RNA测序在测量时破坏细胞，且只在离散时间点采样，因此同一细胞的表达谱无法被连续追踪。Latent Cell-State Model把细胞状态转移近似为马尔可夫链，并引入一个低维连续潜变量，在给定细胞状态、时间与基因的条件下生成表达计数。在胰腺发育与Waddington-OT重编程两个数据集上，该模型对留出时间点生成样本与真实样本的最大均值差异分别为0.011和0.006（胰腺第3天、第6天）以及0.030和0.018（重编程第3.5天、第4天），低于所比较的三种方法。
视频大模型压缩不再全图比对：借压缩码流里的运动与残差，比对量降六成
视频大模型压缩视觉token时，压缩决策本身也要做大量特征比对。新方法把压缩视频里已有的参考帧依赖、运动矢量和残差对齐到token网格，用它们先圈出小候选集，再在候选集内做局部视觉相似度判断。在三个视频大模型和四个视频理解基准上，性能与免训练基线FlashVID相当、部分设置更好，token保护与跨帧匹配的比对量明显下降。
OncoNoteBERT 用 29 万份英国门诊肿瘤笔记训练专用编码器：继续预训练困惑度降至 2.10，从零训练分词器使序列缩短约 23.6%
该研究基于英国某专科肿瘤中心 21,564 名肺癌与头颈癌患者的 290,026 份门诊笔记，比较 RadBERT、PathologyBERT 与两种本地策略：继续掩码语言模型预训练得到的 OncoNote-RadBERT 验证困惑度为 2.10，从零训练并配肿瘤专用 WordPiece 分词器的 OncoNoteBERT 困惑度为 2.83，但分词效率最高（子词生育率 1.224、归一化序列长度 0.7636，约少用 23.6% 词元），并在 13 个掩码探针中 12 个给出临床可接受预测（OncoNote-RadBERT 为 7 个）；两个本地模型均把机构占位符 [REMOVED] 表示为单一可学习词元。
AutoDataBench 用三个固定训练任务测出：Kimi-3 数据智能总分 60.68 最高，但检索 ID 领先的模型在隐藏分布上反而垫底
该工作提出 AutoDataBench，一个在固定训练流程与资源预算下隔离“数据智能”的受控测试台，覆盖工具调用数据诊断修复、检索数据组织与知识注入三类任务，评测七个前沿大模型在迭代实验中的数据决策能力，并发现智能体整理的数据在工具调用与检索上接近专家参考、但分布内高分不保证分布外迁移，同时把优化轨迹复用为中期训练数据可提升下游编码表现。
DN-MOPD 按域归一化教师反馈，在 Qwen3.5 三个规模上把六任务均分从 MOPD 的 58.4/50.3/26.6 提升到 59.6/52.5/29.0
该工作发现多教师在线策略蒸馏（MOPD）仅靠域标签路由无法让学生超过最强单教师学生、且几乎不迁移数学专家的增益，原因是各域反馈尺度失衡（首个训练批次中指令跟随的对数比离散度是池化信号的 2.3–4.4 倍、数学约为一半，初始 4B 学生中指令跟随损失贡献了 94% 的合并梯度），于是提出 DN-MOPD：保留标签路由，用每批次池化与各域对数比标准差的裁剪比值对每个域的蒸馏优势做缩放，在 Qwen3.5-9B/4B/2B 上于 8K 与 16K 两个评测预算、三个学生随机种子下均提升六任务均分（16K 提升 1.17–2.36 个百分点，8K 提升 2.47–3.08），并找回大部分丢失的数学增益。
冻结DINOv3特征经Room-Lite与校准融合注入3D U-Net，在3DRA动脉瘤分割上取得Dice 0.758并跨数据集消除全部失败病例
该工作提出DINO-3DRA双路径框架，将冻结的2D视觉基础模型DINOv3-Small特征通过Room-Lite空间混合与校准残差融合注入可训练的3D U-Net主干，在多中心3D旋转血管造影（3DRA）@neurIST数据（233例、四家机构）上实现动脉瘤分割Dice 0.758、HD95 2.75 mm、较nnU-Net提升13%，仅需5.72M可训练参数；消融显示增益来自结构化跨维度迁移而非损失设计，且在CADA（n=45）与SHINY-ICARUS（n=30）上不经微调即把Dice<0.5的失败病例从11.1%和3.3%降至0%。
学校公司化治理中“地方”的纠缠：与Barad一起诗意地思考
该章节以Karen Barad（2007）的“内行动”（intra-action）与“能动切割”（agential cut）概念为理论框架，在英格兰三个多学院信托（multi-academy trusts）中采用诗意探究方法，通过两种不同诗体形式呈现的两次能动切割，将“地方”如何与治理政策、建筑和行动者纠缠并共同配置家长参与加以物质化，从而把地方重新定位为治理中的共同能动者。
用超图表示学习与图条件扩散实现对撞机事件的综合重建
该工作提出 VyPER 这一几何学习框架，把对撞机事件表示为具有物理启发式拓扑的超图，将“把测量到的喷注与带电轻子分配给母粒子”的超边监督分类与“预测未被测量的中微子运动学”的扩散模型结合，并通过联合损失函数在同一框架内同时优化两项重建任务，在多个质子-质子碰撞过程中与既有解析方法和机器学习重建方法进行比较，表明在多种标准模型物理过程中可实现准确的事件重建。