多视角数据里，每个视角有自己的协方差，视角之间还有跨视角协方差，此前的协方差神经网络只处理单视角，把两视角拼接后无法区分这两类结构。CANE把视角内协方差滤波与跨视角协方差滤波分成两级，用可学习多项式在协方差谱上代替典型相关分析中的白化与奇异向量选择，并直接按下游任务训练。在脑影像与运动传感的七个数据集上，CANE在其中六个取得最佳或并列最佳表现，ADNI1的年龄预测平均绝对误差为4.97岁，参数量常比双视角VNN更少。
头颈鳞癌的partial EMT（部分上皮–间质转化）基因表在单细胞里由恶性细胞和成纤维细胞共同表达，但既往只在整块肿瘤上打分。把100个基因按表达细胞拆成恶性臂与基质臂后，整块肿瘤的共表达由基质臂主导，标准pEMT评分主要测的是基质；用单细胞伪块训练的分类器和12基因恶性核心可在任意整块转录组中恢复恶性臂。在40例接受铂类加西妥昔单抗的患者中，两项恶性指标在无进展生存期长者中更高（曲线下面积0.78与0.82），基质核心则不然，但恶性臂与Basal亚型无法区分，后者判别更好（0.93）。
AeroEval 是一种智能体辅助中间件，在 AI 生成无人机任务与真机执行之间做分阶段验证：先用确定性语法与平台 API 检查加意图校验智能体审查程序，再在物理仿真器中执行，并用数值轨迹比较或上下文接地智能体评估避障、高度、覆盖、朝向与事件驱动切换等行为属性，把结构化失败诊断回传给生成器迭代重生成；在 20 个导航任务上把成功数从 11 提升到 19，在五类分析任务上把聚合运行级成功率从 0.30 提升到 0.90。
该工作提出“架构采样”：一种免训练方法，通过复用解码器层中选定的层块，让冻结模型沿不同前向计算路径生成候选，在五个Qwen检查点和十二个多模态基准上，以相同的九个候选预算将pass@9相对标准路径温度采样平均提升6.58个百分点，复用早期层收益最强，候选覆盖提升在贪心解码下依然存在，且候选词面重叠更低，用作无标签测试时强化学习的rollout时准确率提升。
ShieldVLA 提出一种面向视觉-语言-动作（VLA）模型的安全对齐微调框架：它从视觉观测中无模型地学习 Hamilton-Jacobi 可达性安全价值函数作为安全评论家，用该评论家把策略优化门控为“可行区域内最大化奖励、接近不安全状态时转向恢复”，并以基于评分量规的 VLM 安全分数替代人工逐步代价标签，在五个导航与操作基准（Dubins-VL、TurtleBot-Nav、Safety-CHORES Nav/Fetch、Franka-Reach）上跨多个 VLA 主干，平均降低累计安全代价 57%、相对 SafeVLA 提升任务成功率 0.13。
已读完全部报道