交通预测的样本影响力要穿过守恒约束：经典影响力函数排出的关键传感器会变，去掉前十名站点误差涨四成以上
交通流预测模型若在输出端强制满足路口流量守恒，训练样本对预测的影响就不再只经由损失函数传递，而要经过约束投影。此前的影响力函数按无约束学习推导，无法区分哪些扰动被物理约束保留、哪些被投影消掉。该工作把影响力计算放进可行域，在PeMS第3区318条高速路段的小时数据上给出站点敏感度排序，并显示按此排序去掉前十名站点后，物理约束模型的MAE上升44.2%。
OmniSeek 让 Omni-LLM 在多轮推理中自主决定看或听，并在多模态基准上稳定提升音视频推理表现
作者提出 OmniSeek 智能体框架，把证据获取纳入推理过程：模型在多轮协议中动态决定看或听以及时间窗口，将检索到的原始音频或视觉片段追加回上下文，并用合成的 OmniTraj-170K 多跳思维链轨迹做冷启动监督，再经两阶段可验证奖励强化学习优化，同时引入音视频必要性目标奖励真正依赖双模态的成功轨迹，实验显示其学到自适应跨模态证据搜寻并稳定提升音视频推理表现。
LinkedIn与多校团队发现：7B到72B学生模型用更小的冻结模型生成拒答，代码与数学表现反而更好且算力更省
该研究在SODA式两阶段偏好蒸馏流程中固定提示、优选回答、SeqKD初始化、DPO目标与训练预算，只改变拒答来源，发现7B至72B的Qwen2.5学生在代码生成与数学推理上，用参数更少、推理算力更低的冻结Base模型生成拒答，比用学生自身拒答训练出的学生更强，并进一步用线性化特征模型给出有限时域效用界，提出混合来源、提示重分配与词元置换、按参考策略似然重选三类干预。
OmniSeek 让 30B 全模态模型自己决定看还是听：在 10 个音视频基准上超过同规模开源模型，VideoHolmes 达 74.6%
研究者提出 OmniSeek，把全模态大模型改造成可多轮调用工具（get_audio_clip、get_video_clip）的主动取证智能体，并用自建数据引擎合成 169,725 条交错音视频证据的思维链轨迹 OmniTraj-170K，配合三阶段训练与 Audio-Visual Necessity 奖励，在 10 个全模态基准和 4 个通用视频基准上取得领先或具竞争力的成绩。
研究者逆向解析Meta Pixel配置，发现健康网站98.4%沿用默认追踪、Core Setup仅覆盖34.3%且可被哈希URL绕过
该研究提出PixelConfig差分分析框架，通过代码补丁重放与开发者账号对照实验逆向解析Meta Pixel配置，并借助Internet Archive的Wayback Machine对2017至2024年间18K健康网站与top-10K对照网站的配置做纵向比较，发现自动事件与第一方Cookie等默认开启的追踪功能采用率高达98.4%，健康网站上出现与预约就诊及特定疾病（如勃起功能障碍）按钮点击相关的潜在敏感信息追踪，而Core Setup等限制功能在健康网站采用率为34.3%、对照网站为8.7%，且启用后仍可被绕过。
Scalet 证明一维自旋链吉布斯态在任意有限温度下存在有限纠缠长度，隔开足够长的区间后左右半链严格可分离
Scalet 证明：对一维自旋链上任意有限程、有界强度的局部哈密顿量，在任意固定有限温度下，存在一个只依赖温度与局域性、不依赖系统大小的纠缠长度 ℓ，使得当中间区间 B 满足 |B| ≥ ℓ 时，三区间 ABC 的吉布斯态 ρABC 对 B 取偏迹后得到的 ρAC 在 A 与 C 之间是可分离态，从而纠缠生成、纠缠蒸馏、纠缠代价与纠缠相对熵等度量在该态上精确为零；该结论对系统大小一致成立，并可直接推广到无限系统的 KMS 态，作者称之为“纠缠的空间突然死亡”。
VideoGen-Agent 用多任务强化学习让视频生成智能体学会调用检索、仿真与验证工具，在 VABench 上把基础生成器从 56.5 提升到 75.6，换用更强生成工具后达到 86.1
该工作提出 VideoGen-Agent，一个通过监督微调加多任务智能体强化学习训练的多模态智能体，在六类视频生成任务（程序性知识、单实体身份、多实体身份、物理仿真、组合场景、多镜头）中协调检索、仿真、生成与验证工具，并构建了 600 条提示的 VABench 基准；在 VABench 上把基础 T2V 生成器 Seedance 1.0 从 56.5 提升到 75.6，换用未在训练中见过的升级生成工具后进一步提升到 86.1，人类评分者在 100 对比较中更偏好该配置。
已读完全部报道