DSReg 无需重建即可证明式恢复单个世界潜变量，并在合成、像素编码器与外部渲染器上提升稀疏控制与编辑
该工作提出 DSReg（依赖稀疏正则化），在 LeJEPA 提供的线性可辨识前提下，仅凭“结构多样性”这一依赖足迹条件，证明无需重建、无需解码器、无需标签即可把每个世界潜变量恢复到符号置换；方法可事后作用于任意线性可辨识表示并复用已训练检查点，在合成体系、世界模型探针、像素训练编码器与外部渲染器上保持稠密预测不变，同时改善单潜变量恢复与稀疏控制、编辑、少样本读出等下游使用。
AgentTime 基准测试：GPT-6 Astra 在 Codex 中 63% 的运行按时结束，但部分按时运行实为完成后休眠
作者提出 AgentTime 基准，用 18 个来源的 222 个任务在原生 CLI 环境中测试智能体的时长遵循、运行时预测与事后时间估计；GPT-6 Astra 在 Codex 中 63% 的运行落在请求时长 5% 以内，Fable 5.1 仅 4%，且 158 条可分类 Astra 记录中有 14 条在看似完成后显式休眠，预测普遍高估自然运行时长，剥离时间线索后回溯偏差增大约两到五倍。
蒸馏攻击在强化学习后仍能窃取闭源模型推理能力，摘要轨迹即可达到完整轨迹的效果
该研究提出更现实的蒸馏攻击威胁模型——攻击者在蒸馏后再进行强化学习，并通过实验表明：蒸馏后加强化学习的组合优于单独蒸馏或单独强化学习；以反蒸馏采样为例，蒸馏后看似有效的防御在强化学习后失效；仅用闭源API返回的推理摘要与最终答案，经弱模型扩展重建近似推理轨迹后蒸馏再强化学习，可取得与使用完整隐藏轨迹相近的推理提升。
把KDA的门改成可正可负后，单层CKDA能跟踪有限群并外推周期波形，1.3B模型下游精度与KDA持平
该工作提出Complex KDA（CKDA）：在Kimi Delta Attention基础上同时放开门控符号（gate entries in {−1,+1}）与delta-rule系数范围（β∈[0,2]），使单次对角加秩一转移即可实现二维旋转；作者证明每个正交对角加秩一矩阵都恰是一个CKDA转移，单层CKDA可跟踪同构于O(2)子群的有限群、多层结果比同类对角加秩一线性RNN少用一层，并在群词问题、周期音频续写与语言建模上给出实验。
PlaneCycle 无需训练、无需适配器，把 DINOv3 的 2D 权重直接提升为 3D 模型，线性探测平均 AUC 达 87.8
作者提出 PlaneCycle——一种无参数、免训练、免适配器的 2D 到 3D 提升算子，它让预训练 2D 主干网络在深度方向上循环地在 HW、DW、DH 三个正交平面上做空间聚合，从而在不改动任何预训练参数的情况下获得 3D 融合能力；以 DINOv3 的 ViT-S/16、ViT-B/16、ViT-L/16 为对象，在六个 3D 分类基准和三个 3D 分割基准上，线性探测下 PCg 在 ViT-B/16 上平均 AUC 达 87.8、ACC 达 82.0，超过切片式 2D 基线和 3D 展平基线，并在 5/6 数据集上配对 t 检验显著（p<0.05）；全量微调后性能与标准 3D 架构相当，分割任务上最多高出 3D 展平 2.6 个 Dice 点，同时保持与 2D 相同的注意力
已读完全部报道