AI 与科学前沿 · 2026-10-27

SGLang在分离式预填充/解码服务中修复了一类跨请求KV缓存泄漏：请求在传输中途被中止后，已发出的RDMA写仍会落地，可能覆盖另一个请求的缓存。修复让解码端在收到各预填充rank的排空确认或超时前不释放槽位，并在v0.5.21起对Mooncake与NIXL默认开启；2×H100上吞吐差异在±2%以内。

SGLang在分离式预填充/解码服务中修复了一类跨请求KV缓存泄漏：请求在传输中途被中止后，已发出的RDMA写仍会落地，可能覆盖另一个请求的缓存。修复让解码端在收到各预填充rank的排空确认或超时前不释放槽位，并在v0.5.21起对Mooncake与NIXL默认开启；2×H100上吞吐差异在±2%以内。

扩散模型随训练集增大从记忆训练样本转向泛化，而在这两个阶段之间，能量景观上会出现一类既不在训练集中、又在合成样本中反复出现的吸引子。把扩散模型的生成过程看作稠密联想记忆的取回，可以预测这类“伪态”在记忆容量被超过时出现；在MNIST、FASHION-MNIST、CIFAR-10与LSUN-CHURCH上，伪态样本的比例在记忆向泛化过渡的边界处先升后降，其吸引域体积介于记忆样本与泛化样本之间。

扩散模型随训练集增大从记忆训练样本转向泛化，而在这两个阶段之间，能量景观上会出现一类既不在训练集中、又在合成样本中反复出现的吸引子。把扩散模型的生成过程看作稠密联想记忆的取回，可以预测这类“伪态”在记忆容量被超过时出现；在MNIST、FASHION-MNIST、CIFAR-10与LSUN-CHURCH上，伪态样本的比例在记忆向泛化过渡的边界处先升后降，其吸引域体积介于记忆样本与泛化样本之间。

批量RNA测序的细胞比例要靠单细胞参考反推，而参考本身可能改写最终结论。在981名供体的PBMC中，CD8 T细胞的年龄关联在全部80个六型参考里反号，CD4关联被放大约6.3倍；在48名胰岛供体中，原本不显著的α细胞关联在54%至100%的参考里变显著。这类误差随四种估计器类别重现，方向由估计器决定，且拟合精度无法提示它。

批量RNA测序的细胞比例要靠单细胞参考反推，而参考本身可能改写最终结论。在981名供体的PBMC中，CD8 T细胞的年龄关联在全部80个六型参考里反号，CD4关联被放大约6.3倍；在48名胰岛供体中，原本不显著的α细胞关联在54%至100%的参考里变显著。这类误差随四种估计器类别重现，方向由估计器决定，且拟合精度无法提示它。

在查询与数据库双方都需保密的对称隐私场景下，HNSecW把基于HNSW图索引的近似最近邻搜索改造成可在安全多方计算中执行的全数据无关流程，使单次查询的在线通信与本地计算达到对数复杂度。此前同类协议多采用聚类式流程，在线通信随数据库规模线性增长。在百万到十亿级基准上，HNSecW保持与明文HNSW相当的召回，并在广域网上相对2PC PANTHER取得最高数量级的端到端加速。

在查询与数据库双方都需保密的对称隐私场景下，HNSecW把基于HNSW图索引的近似最近邻搜索改造成可在安全多方计算中执行的全数据无关流程，使单次查询的在线通信与本地计算达到对数复杂度。此前同类协议多采用聚类式流程，在线通信随数据库规模线性增长。在百万到十亿级基准上，HNSecW保持与明文HNSW相当的召回，并在广域网上相对2PC PANTHER取得最高数量级的端到端加速。

工程回归的预测区间通常在随机划分上校准，而部署往往发生在训练条件之外。一项基准把七个公开工程数据集沿物理上有意义的偏移变量分成同分布、软偏移和硬偏移三级，用仅源域数据调参的方式比较五个族共12种不确定性量化方法。同分布下保形方法在每个数据集上覆盖率不低于0.946；硬偏移下，11种始终给出区间的方法平均覆盖率降到0.40–0.75，且检测不到方法排名的系统性差异。

工程回归的预测区间通常在随机划分上校准，而部署往往发生在训练条件之外。一项基准把七个公开工程数据集沿物理上有意义的偏移变量分成同分布、软偏移和硬偏移三级，用仅源域数据调参的方式比较五个族共12种不确定性量化方法。同分布下保形方法在每个数据集上覆盖率不低于0.946；硬偏移下，11种始终给出区间的方法平均覆盖率降到0.40–0.75，且检测不到方法排名的系统性差异。

酶动力学预测长期依赖在异质数据上直接回归绝对值，同一酶-底物体系在不同研究中的测量可相差数个数量级，模型容易向均值收缩。DeltaKcat把任务改写为配对相对学习：在同一研究内固定酶或固定底物，用孪生网络预测两个酶-底物复合物之间的动力学差值，再用实验已知的参照复合物把差值还原为绝对值。在冷启动划分下，kcat的绝对预测R²为0.71、PCC为0.85，高于DLKcat、CataPro和UniKP的R² 0.14至0.48；在完全未参与训练的外部腺苷酸激酶数据上，零样本PCC为0.40。

酶动力学预测长期依赖在异质数据上直接回归绝对值，同一酶-底物体系在不同研究中的测量可相差数个数量级，模型容易向均值收缩。DeltaKcat把任务改写为配对相对学习：在同一研究内固定酶或固定底物，用孪生网络预测两个酶-底物复合物之间的动力学差值，再用实验已知的参照复合物把差值还原为绝对值。在冷启动划分下，kcat的绝对预测R²为0.71、PCC为0.85，高于DLKcat、CataPro和UniKP的R² 0.14至0.48；在完全未参与训练的外部腺苷酸激酶数据上，零样本PCC为0.40。

面向人机交互的面部情绪识别通常只看干净测试集准确率，但机器人据此选择动作时，还需要知道预测是否可信。该研究在FER2013五分类上比较五种流程，最强的深度残差网络达到0.760准确率和0.753宏F1，却在梯度攻击下与其他架构一同崩溃：FGSM在ε=0.01时把四个训练模型全部压到0.16以下，PGD在ε≥0.02时接近零。被攻击的预测仍保持高置信，PGD下平均置信度达0.964，温度缩放后仍有96.0%越过0.70阈值，说明按最大softmax概率设阈值无法把合法预测与对抗预测分开。

面向人机交互的面部情绪识别通常只看干净测试集准确率，但机器人据此选择动作时，还需要知道预测是否可信。该研究在FER2013五分类上比较五种流程，最强的深度残差网络达到0.760准确率和0.753宏F1，却在梯度攻击下与其他架构一同崩溃：FGSM在ε=0.01时把四个训练模型全部压到0.16以下，PGD在ε≥0.02时接近零。被攻击的预测仍保持高置信，PGD下平均置信度达0.964，温度缩放后仍有96.0%越过0.70阈值，说明按最大softmax概率设阈值无法把合法预测与对抗预测分开。

血涂片与骨髓涂片的自动分析此前被限制在人工圈定的感兴趣区域内，因为千兆像素全片扫描的计算量太大。HemAutomaton 用神经细胞自动机在整张切片上定位白细胞，无需人工选区，在域内检测精度与 Faster R-CNN 相当，跨域平均 F1 为 0.79，高于 Faster R-CNN 的 0.65，可训练参数为 3.3k 对 41.4M。在三个血液肿瘤队列上共提取 1.08 亿张单细胞图像，并用预训练血液学基础模型的少样本分类完成自动分类计数。

血涂片与骨髓涂片的自动分析此前被限制在人工圈定的感兴趣区域内，因为千兆像素全片扫描的计算量太大。HemAutomaton 用神经细胞自动机在整张切片上定位白细胞，无需人工选区，在域内检测精度与 Faster R-CNN 相当，跨域平均 F1 为 0.79，高于 Faster R-CNN 的 0.65，可训练参数为 3.3k 对 41.4M。在三个血液肿瘤队列上共提取 1.08 亿张单细胞图像，并用预训练血液学基础模型的少样本分类完成自动分类计数。

癌症治疗副作用的预测长期依赖少数变量构成的静态评分表。SPARC把血常规、综合代谢面板与生命体征的纵向序列作为建模对象，先在22.4万名患者、约1.02亿条测量上预训练，再针对死亡、贫血、中性粒细胞减少、发热性中性粒细胞减少、急性肾损伤和肝毒性等任务微调。模型在同中心留出集、前瞻队列以及多家外部医院队列上取得领先或相当的表现，并能按预测风险分层找出最可能从G-CSF预防中获益的患者。

癌症治疗副作用的预测长期依赖少数变量构成的静态评分表。SPARC把血常规、综合代谢面板与生命体征的纵向序列作为建模对象，先在22.4万名患者、约1.02亿条测量上预训练，再针对死亡、贫血、中性粒细胞减少、发热性中性粒细胞减少、急性肾损伤和肝毒性等任务微调。模型在同中心留出集、前瞻队列以及多家外部医院队列上取得领先或相当的表现，并能按预测风险分层找出最可能从G-CSF预防中获益的患者。

尤文肉瘤基因组近乎单一，却长期无法解释患者生存的巨大差异。研究对135例患者的肿瘤与微环境做单细胞和空间转录组分析，识别出五种肿瘤细胞转录状态与八种由邻近细胞配置定义的生态位，并按生态位组成把患者分为融合活跃型、增殖型、免疫反应型和微环境富集型四类。免疫反应型以干扰素激活的肿瘤细胞为特征、预后较好，四类的生存差异在两个独立的批量转录组队列中得到重现。

尤文肉瘤基因组近乎单一，却长期无法解释患者生存的巨大差异。研究对135例患者的肿瘤与微环境做单细胞和空间转录组分析，识别出五种肿瘤细胞转录状态与八种由邻近细胞配置定义的生态位，并按生态位组成把患者分为融合活跃型、增殖型、免疫反应型和微环境富集型四类。免疫反应型以干扰素激活的肿瘤细胞为特征、预后较好，四类的生存差异在两个独立的批量转录组队列中得到重现。

可穿戴加速度计能连续记录全天活动，但常规汇总指标和面向全人群的聚类可能漏掉与疾病相关的行为差异。LocPA 先按年龄、性别和体重指数校正活动曲线，再在相似性网络上做局部疾病富集检验，把富集邻域归并为活动模式。在英国生物银行 24 小时加速度数据中，六种疾病反复出现低活动与睡眠紊乱两种表型；高血压和糖尿病中，睡眠紊乱组的疾病负担更高，而平均加速度与中高强度活动时间未呈现同样的排序。

可穿戴加速度计能连续记录全天活动，但常规汇总指标和面向全人群的聚类可能漏掉与疾病相关的行为差异。LocPA 先按年龄、性别和体重指数校正活动曲线，再在相似性网络上做局部疾病富集检验，把富集邻域归并为活动模式。在英国生物银行 24 小时加速度数据中，六种疾病反复出现低活动与睡眠紊乱两种表型；高血压和糖尿病中，睡眠紊乱组的疾病负担更高，而平均加速度与中高强度活动时间未呈现同样的排序。

在49部真实电影及其预告片构建的四类剪辑任务上，同一套GRPO训练里，把LLM评判的回合级过程奖励权重衰减到零，使Fine Cut任务相对仅用结果奖励的GRPO取得45.4%的相对提升，而固定权重版本在三个较短任务上低于仅结果奖励，并出现44.1%的回合被截断。过程奖励早期确实鼓励了看图与推理，但持续优化会让智能体反复调用工具而不提交成品；令牌级的在线自蒸馏则对教师可见的特权信息高度敏感。

在49部真实电影及其预告片构建的四类剪辑任务上，同一套GRPO训练里，把LLM评判的回合级过程奖励权重衰减到零，使Fine Cut任务相对仅用结果奖励的GRPO取得45.4%的相对提升，而固定权重版本在三个较短任务上低于仅结果奖励，并出现44.1%的回合被截断。过程奖励早期确实鼓励了看图与推理，但持续优化会让智能体反复调用工具而不提交成品；令牌级的在线自蒸馏则对教师可见的特权信息高度敏感。

在47个统一张量契约的公开PHM数据集上，一个80万参数、按通道独立处理的Transformer编码器用掩码片段预测做自监督预训练，在完全留出的CWRU轴承故障分类上把宏F1从0.350提到0.812，HSG18硬盘数据从0.569提到0.951，冻结编码器加一层线性探测已达0.705和0.906；但同一套预训练在CMAPSS剩余寿命估计上不能可靠超过从零训练基线。改为十个按物理域分组的客户端做联邦模拟后，等预算下分类仍落后集中式编码器，且自监督损失不能用来挑选检查点。

在47个统一张量契约的公开PHM数据集上，一个80万参数、按通道独立处理的Transformer编码器用掩码片段预测做自监督预训练，在完全留出的CWRU轴承故障分类上把宏F1从0.350提到0.812，HSG18硬盘数据从0.569提到0.951，冻结编码器加一层线性探测已达0.705和0.906；但同一套预训练在CMAPSS剩余寿命估计上不能可靠超过从零训练基线。改为十个按物理域分组的客户端做联邦模拟后，等预算下分类仍落后集中式编码器，且自监督损失不能用来挑选检查点。

单轮联邦学习把训练压到一次通信，但模型训练完就固化，车辆加入或退出后只能整体重训。F-SOSA 按固定规模随机抽取客户端子集，使相邻设备集合下的输出分布在总变差距离上有界，再把曲率感知融合改写成按客户端可加的充分统计量投影，并据此给出撤回贡献的 F-SOSA-U 与纳入新贡献的 F-SOSA-I。在 SUMO 城市移动模拟中，两者精度与重训相当，累计时间与通信开销分别降低 36%–44% 和 22%–33%。

单轮联邦学习把训练压到一次通信，但模型训练完就固化，车辆加入或退出后只能整体重训。F-SOSA 按固定规模随机抽取客户端子集，使相邻设备集合下的输出分布在总变差距离上有界，再把曲率感知融合改写成按客户端可加的充分统计量投影，并据此给出撤回贡献的 F-SOSA-U 与纳入新贡献的 F-SOSA-I。在 SUMO 城市移动模拟中，两者精度与重训相当，累计时间与通信开销分别降低 36%–44% 和 22%–33%。

长程网页搜索智能体的评测此前多依赖模拟轨迹，或从最终答案反推轨迹，难以检查搜索过程本身。LongSearchEval 让 16 个模型在统一的智能体控制器和五个受限网页工具下真实执行 100 个任务，保留 1600 条轨迹，先用智能体自己引用的网页核验答案组，再把被标记的失败节点连回判错的答案组。人工复核中，946 个答案组的自动判定与人工一致率为 94.50%，抽样的 317 条轮次—答案组链接有 311 条通过特征对应核查。

长程网页搜索智能体的评测此前多依赖模拟轨迹，或从最终答案反推轨迹，难以检查搜索过程本身。LongSearchEval 让 16 个模型在统一的智能体控制器和五个受限网页工具下真实执行 100 个任务，保留 1600 条轨迹，先用智能体自己引用的网页核验答案组，再把被标记的失败节点连回判错的答案组。人工复核中，946 个答案组的自动判定与人工一致率为 94.50%，抽样的 317 条轮次—答案组链接有 311 条通过特征对应核查。

AI 智能体技能在安装时默认被信任，却很少经过审查。NVIDIA 开源 SkillSpector，在安装前扫描仓库、压缩包或单个文件，覆盖 17 类共 71 种漏洞模式，先做快速静态分析，可选再叠加 LLM 语义评估。在其研究数据集 31,132 个技能的分析子集中，26.1% 含漏洞，5.2% 表现出可能的恶意意图。

AI 智能体技能在安装时默认被信任，却很少经过审查。NVIDIA 开源 SkillSpector，在安装前扫描仓库、压缩包或单个文件，覆盖 17 类共 71 种漏洞模式，先做快速静态分析，可选再叠加 LLM 语义评估。在其研究数据集 31,132 个技能的分析子集中，26.1% 含漏洞，5.2% 表现出可能的恶意意图。

橄榄的短串联重复（STR，重复单元拷贝数可变的片段）此前主要靠少量微卫星标记来读，全基因组层面的变异与解读都缺。对212份伊朗与地中海橄榄种质，研究编出117,119个多态STR位点，并把天然等位系列送入AgroNT、PlantCAD2和GPN三个植物基因组语言模型，测量重复长度偏离参考等位时嵌入向量的位移。在62,847个位点上，三个模型各自筛出的敏感位点有7,417个重合，且多数位点上STR的响应超过长度匹配的非重复插入缺失。

橄榄的短串联重复（STR，重复单元拷贝数可变的片段）此前主要靠少量微卫星标记来读，全基因组层面的变异与解读都缺。对212份伊朗与地中海橄榄种质，研究编出117,119个多态STR位点，并把天然等位系列送入AgroNT、PlantCAD2和GPN三个植物基因组语言模型，测量重复长度偏离参考等位时嵌入向量的位移。在62,847个位点上，三个模型各自筛出的敏感位点有7,417个重合，且多数位点上STR的响应超过长度匹配的非重复插入缺失。

生成模型反复用自身输出训练会收窄分布、先丢掉尾部，这类崩溃此前缺少在训练管线里实时纠偏的机制。HOMEOSTASIS把签名哈希链的溯源记录与预测熵、校准误差、表征漂移三项模型体征合成一个类李雅普诺夫风险量，再由PID控制器调节人类数据混合比例并决定隔离。在五维高斯递归测试台上，30个种子、20代训练下，闭环控制把最终崩溃风险从2.67降到0.48，尾部覆盖保持97.4%，而无控制时为66.2%；溯源门控隔离在控制之上未显示可检测的额外收益。

生成模型反复用自身输出训练会收窄分布、先丢掉尾部，这类崩溃此前缺少在训练管线里实时纠偏的机制。HOMEOSTASIS把签名哈希链的溯源记录与预测熵、校准误差、表征漂移三项模型体征合成一个类李雅普诺夫风险量，再由PID控制器调节人类数据混合比例并决定隔离。在五维高斯递归测试台上，30个种子、20代训练下，闭环控制把最终崩溃风险从2.67降到0.48，尾部覆盖保持97.4%，而无控制时为66.2%；溯源门控隔离在控制之上未显示可检测的额外收益。

Sarvam 为企业智能体构建“知识织物”：先把文档一次性编译成可导航的知识树和可查询的领域本体，让智能体按目录定位、按实体过滤，而不是每次提问都重新检索片段。在 Harvey 的 LAB 律所知识基准上，以 GLM 5.3 为智能体模型，答案满足专家评分标准的比例从 agentic RAG 的 55.1% 升到 84.2%，平均任务成本从 0.64 美元降到 0.28 美元；在 Sierra 的 tau-knowledge 银行基准上，以 GLM 5.2 运行，知识织物与基线准确率相当，token 用量少 64%。

Sarvam 为企业智能体构建“知识织物”：先把文档一次性编译成可导航的知识树和可查询的领域本体，让智能体按目录定位、按实体过滤，而不是每次提问都重新检索片段。在 Harvey 的 LAB 律所知识基准上，以 GLM 5.3 为智能体模型，答案满足专家评分标准的比例从 agentic RAG 的 55.1% 升到 84.2%，平均任务成本从 0.64 美元降到 0.28 美元；在 Sierra 的 tau-knowledge 银行基准上，以 GLM 5.2 运行，知识织物与基线准确率相当，token 用量少 64%。

细菌单细胞图像分类在未见菌株上很难做到精确到种。SC-MAPS 汇集13个菌种、916435个单细胞，把相差、明场与三种荧光通道对齐到同一细胞，用深度学习融合多通道特征；在留出菌株上单细胞种级准确率为65.4%，把种概率按八个耐药检测路径组汇总后升到77.1%，同一菌株样本合并5个细胞后达91.1%。

细菌单细胞图像分类在未见菌株上很难做到精确到种。SC-MAPS 汇集13个菌种、916435个单细胞，把相差、明场与三种荧光通道对齐到同一细胞，用深度学习融合多通道特征；在留出菌株上单细胞种级准确率为65.4%，把种概率按八个耐药检测路径组汇总后升到77.1%，同一菌株样本合并5个细胞后达91.1%。

机构AI智能体执行一次工具调用时，同样的退款动作可能来自税务官员的授权，也可能来自它正在摘要的请愿书里夹带的指令。这套授权守卫为“后果”和“目的”各记一组中性逻辑三元组，按渠道可信度打折后融合证据，再作出授权、升级人工复核或拒绝三种决定。在InjecAgent的1,054个攻击案例上，保留“未被请求”这一矛盾态后，渠道标签被误标时最坏直接危害放行率从100%降到34.5%，合成电子政务场景为25.0%。

机构AI智能体执行一次工具调用时，同样的退款动作可能来自税务官员的授权，也可能来自它正在摘要的请愿书里夹带的指令。这套授权守卫为“后果”和“目的”各记一组中性逻辑三元组，按渠道可信度打折后融合证据，再作出授权、升级人工复核或拒绝三种决定。在InjecAgent的1,054个攻击案例上，保留“未被请求”这一矛盾态后，渠道标签被误标时最坏直接危害放行率从100%降到34.5%，合成电子政务场景为25.0%。

连续神经记录中的状态边界搜索（GSBS）此前每评估一个候选边界都要重建状态模板、重算相关，跨记录和参数设置的分析因此很贵。HP-GSBS把匹配目标改写为可加的时间区间贡献，并用可复用的相关统计量计算t距离，配合流式候选归约、顺序局部精修和活动块复用，提供CPU、PyTorch CUDA与Triton三条执行路径。在七组受控负载、每组两种输入实现下，同输入中位加速为154至1730倍，全部168次优化执行复现了完整参考边界历史与所选状态数，t距离最大绝对差为1.88×10⁻¹¹。

连续神经记录中的状态边界搜索（GSBS）此前每评估一个候选边界都要重建状态模板、重算相关，跨记录和参数设置的分析因此很贵。HP-GSBS把匹配目标改写为可加的时间区间贡献，并用可复用的相关统计量计算t距离，配合流式候选归约、顺序局部精修和活动块复用，提供CPU、PyTorch CUDA与Triton三条执行路径。在七组受控负载、每组两种输入实现下，同输入中位加速为154至1730倍，全部168次优化执行复现了完整参考边界历史与所选状态数，t距离最大绝对差为1.88×10⁻¹¹。

智能体在真实文件堆里找答案，往往要反复搜索、打开文件、翻页，二十到三十步才收敛。Drex for Search 把判断提前：在智能体读任何页面之前，先由决策模型 Drex 判定答案可能落在哪个文件夹、哪个文件、哪一页，以及电子表格里的哪张表和哪一列，智能体只读这几处并给出出处。在 6 个专业工作基准、529 道题上，接入该工具的编码智能体步数减少 62%、输入 token 减少 56%，正确率从 63.1% 升到 67.1%，每题中位耗时从 80.8 秒降到 35.5 秒。

智能体在真实文件堆里找答案，往往要反复搜索、打开文件、翻页，二十到三十步才收敛。Drex for Search 把判断提前：在智能体读任何页面之前，先由决策模型 Drex 判定答案可能落在哪个文件夹、哪个文件、哪一页，以及电子表格里的哪张表和哪一列，智能体只读这几处并给出出处。在 6 个专业工作基准、529 道题上，接入该工具的编码智能体步数减少 62%、输入 token 减少 56%，正确率从 63.1% 升到 67.1%，每题中位耗时从 80.8 秒降到 35.5 秒。

美国2026–2027流感季的疫苗效力在流行前被给出分型预测：拓扑模型对A(H1N1)pdm09、A(H3N2)和B/Victoria分别为40.3%、56.9%和47.1%，几何模型为34.0%、56.8%和51.1%。做法是把8–9月采集的87条血凝素序列与当季疫苗株比较，用两种数学距离概括差异，再套用26个历史“季节×病毒组分”观测拟合的线性回归。这些是分型点预测而非整季总体估计，95%预测区间宽约52–58个百分点，需与最终US Flu VE Network估计对照。

美国2026–2027流感季的疫苗效力在流行前被给出分型预测：拓扑模型对A(H1N1)pdm09、A(H3N2)和B/Victoria分别为40.3%、56.9%和47.1%，几何模型为34.0%、56.8%和51.1%。做法是把8–9月采集的87条血凝素序列与当季疫苗株比较，用两种数学距离概括差异，再套用26个历史“季节×病毒组分”观测拟合的线性回归。这些是分型点预测而非整季总体估计，95%预测区间宽约52–58个百分点，需与最终US Flu VE Network估计对照。

大语言模型从核电厂事件报告中抽取的因果对，过去只以确定的形式给出，下游风险分析人员无法分辨可靠与不可靠的条目。一项研究把词元概率、多次随机解码的自一致性、三个独立微调模型的分歧和保形预测四路信号，用逻辑回归堆叠成每个因果对的校准置信度。在留出测试集上，合成分数的期望校准误差为0.067、AUROC为0.84，高于任一单路信号；按不确定性优先复核时，前20%的条目覆盖了82%的抽取错误，随机选择为24%。

大语言模型从核电厂事件报告中抽取的因果对，过去只以确定的形式给出，下游风险分析人员无法分辨可靠与不可靠的条目。一项研究把词元概率、多次随机解码的自一致性、三个独立微调模型的分歧和保形预测四路信号，用逻辑回归堆叠成每个因果对的校准置信度。在留出测试集上，合成分数的期望校准误差为0.067、AUROC为0.84，高于任一单路信号；按不确定性优先复核时，前20%的条目覆盖了82%的抽取错误，随机选择为24%。

沉浸式VR足球转播要判断观众当下的沉浸程度，单看画面无法区分“在看”与“走神”，简单拼接四路信号又会把低质量通道的噪声带进决策。CMAFNet把视频作为语义枢纽，与音频、脑电和眼动分别做双向交叉注意力，再按每个样本的实时信号质量自适应分配融合权重，并用序数回归损失保留沉浸等级的高低顺序。在720段60秒VR比赛片段切出的86,400个样本上，四档沉浸分类总体准确率为81.6%，平均绝对误差0.274，比最强的2024年基线MT-AMW高3.4个百分点、误差低13.8%。

沉浸式VR足球转播要判断观众当下的沉浸程度，单看画面无法区分“在看”与“走神”，简单拼接四路信号又会把低质量通道的噪声带进决策。CMAFNet把视频作为语义枢纽，与音频、脑电和眼动分别做双向交叉注意力，再按每个样本的实时信号质量自适应分配融合权重，并用序数回归损失保留沉浸等级的高低顺序。在720段60秒VR比赛片段切出的86,400个样本上，四档沉浸分类总体准确率为81.6%，平均绝对误差0.274，比最强的2024年基线MT-AMW高3.4个百分点、误差低13.8%。

OpenAI发布GPT-6.1 Terra，一款把视觉推理与计算机操作结合起来、并主打速度与成本的模型，标准API价格比GPT-5.6 Terra和GPT-6.1 Sol低50%。在Agents' Last Exam上，中等推理强度下它比GPT-5.6 Terra高15个百分点而成本约为三分之一；在Terminal-Bench 4.0上，最大推理强度下解出50.3%的任务，超过GPT-5.6 Terra已公布的21.5%。OpenAI同时说明，最复杂的编程任务仍更适合交给GPT-6.1 Sol和GPT-6 Astra。

OpenAI发布GPT-6.1 Terra，一款把视觉推理与计算机操作结合起来、并主打速度与成本的模型，标准API价格比GPT-5.6 Terra和GPT-6.1 Sol低50%。在Agents' Last Exam上，中等推理强度下它比GPT-5.6 Terra高15个百分点而成本约为三分之一；在Terminal-Bench 4.0上，最大推理强度下解出50.3%的任务，超过GPT-5.6 Terra已公布的21.5%。OpenAI同时说明，最复杂的编程任务仍更适合交给GPT-6.1 Sol和GPT-6 Astra。

图生成中的离散流匹配（DFM）把训练与采样解耦，但现有采样器常依赖任务专用启发式，采样预算也与扩散方法相当，加速潜力只实现了一部分。H-GLow 把连续时间马尔可夫链生成器拆成风险函数与条件跳转分布，用这两个量规划图编辑并按图的活动程度动态调整采样时间。它可接到预训练图 DFM 模型上，在分子与合成图基准上以明显更少的采样步数取得更好的生成质量；另有一个直接预测风险与条件跳转的图 DFM 模型，其训练目标可精确分解为风险匹配与风险加权跳转预测。

图生成中的离散流匹配（DFM）把训练与采样解耦，但现有采样器常依赖任务专用启发式，采样预算也与扩散方法相当，加速潜力只实现了一部分。H-GLow 把连续时间马尔可夫链生成器拆成风险函数与条件跳转分布，用这两个量规划图编辑并按图的活动程度动态调整采样时间。它可接到预训练图 DFM 模型上，在分子与合成图基准上以明显更少的采样步数取得更好的生成质量；另有一个直接预测风险与条件跳转的图 DFM 模型，其训练目标可精确分解为风险匹配与风险加权跳转预测。

多针孔SPECT的灵敏度高，但投影重叠与衰减、散射、量子噪声、孔径效应叠加在一起，通常还要靠X射线CT导出的衰减系数图做校正。一种基于U-Net++的卷积神经网络以蒙特卡罗模拟的重叠投影为输入、以无重叠无衰减的理想投影为目标，同时完成投影分离与多因素校正，再用最大似然期望最大化重建。在60例公开脑图像数据上，准静态采集下该方法的NMSE为0.18±0.02、PSNR为18.42±0.69 dB、SSIM为0.81±0.04，优于11针孔重建与采集时间长20倍的扇束重建。

多针孔SPECT的灵敏度高，但投影重叠与衰减、散射、量子噪声、孔径效应叠加在一起，通常还要靠X射线CT导出的衰减系数图做校正。一种基于U-Net++的卷积神经网络以蒙特卡罗模拟的重叠投影为输入、以无重叠无衰减的理想投影为目标，同时完成投影分离与多因素校正，再用最大似然期望最大化重建。在60例公开脑图像数据上，准静态采集下该方法的NMSE为0.18±0.02、PSNR为18.42±0.69 dB、SSIM为0.81±0.04，优于11针孔重建与采集时间长20倍的扇束重建。

合成电子健康记录长期在临床保真度与形式化隐私保证之间取舍。SynthEHR-DP把混合类型编码器、时间Transformer编码器与条件变分自编码器组合起来，在差分隐私随机梯度下降和Rényi隐私核算下训练，并在推理后加一层不消耗隐私预算的临床约束层。在MIMIC-IV上、总预算ε=8、δ=10⁻⁵时，成员推断攻击AUC为0.52，下游TSTR AUROC为0.786，比非私有的TRTR上界0.821低4.2%，临床有效性得分0.961。

合成电子健康记录长期在临床保真度与形式化隐私保证之间取舍。SynthEHR-DP把混合类型编码器、时间Transformer编码器与条件变分自编码器组合起来，在差分隐私随机梯度下降和Rényi隐私核算下训练，并在推理后加一层不消耗隐私预算的临床约束层。在MIMIC-IV上、总预算ε=8、δ=10⁻⁵时，成员推断攻击AUC为0.52，下游TSTR AUROC为0.786，比非私有的TRTR上界0.821低4.2%，临床有效性得分0.961。

共享控制中的辅助智能体既要主动贴合人的意图，又要让人看得懂、接得上。Dream2Assist 在循环状态空间世界模型上加入意图推断，用虚构协同博弈训练辅助策略，在不取代人类决策的前提下预判离散的人类目标。三项人类被试研究和一次初步实车部署覆盖高速赛车（N=30）与意图结构更丰富的城市驾驶（N=10），结果显示意图条件化在扭矩对齐和碰撞率上带来可测量的改善。

共享控制中的辅助智能体既要主动贴合人的意图，又要让人看得懂、接得上。Dream2Assist 在循环状态空间世界模型上加入意图推断，用虚构协同博弈训练辅助策略，在不取代人类决策的前提下预判离散的人类目标。三项人类被试研究和一次初步实车部署覆盖高速赛车（N=30）与意图结构更丰富的城市驾驶（N=10），结果显示意图条件化在扭矩对齐和碰撞率上带来可测量的改善。

脑龄预测不再只靠扩散张量标量指标，而是直接以白质纤维朝向分布（WM-FOD）的球谐系数为输入，并用SE(3)等变卷积网络保留旋转下的变换性质。在人类连接组计划老龄化数据集的692名36至90岁参与者上，该组合框架优于所评估的基于DTI的模型和常规CNN；五个交叉验证模型平均后平均绝对误差为3.54年，皮尔逊相关为0.958。性能优势依赖WM-FOD与等变处理的结合，且预测精度在球谐最大阶数Lmax=2时最高。

脑龄预测不再只靠扩散张量标量指标，而是直接以白质纤维朝向分布（WM-FOD）的球谐系数为输入，并用SE(3)等变卷积网络保留旋转下的变换性质。在人类连接组计划老龄化数据集的692名36至90岁参与者上，该组合框架优于所评估的基于DTI的模型和常规CNN；五个交叉验证模型平均后平均绝对误差为3.54年，皮尔逊相关为0.958。性能优势依赖WM-FOD与等变处理的结合，且预测精度在球谐最大阶数Lmax=2时最高。

胶质瘤拉曼光谱数据中，单条光谱足以让模型认出它来自哪位病人，这种与生物学无关的样本特异性偏差会干扰肿瘤分型。研究在APOLLO数据集的46例样本上引入可学习特征重要性层，与双头分类器对抗训练，压低病人身份信号而保留IDH突变状态信息。身份预测平衡准确率从68%降到12%，突变型与野生型分类的平衡准确率保持在0.8。

胶质瘤拉曼光谱数据中，单条光谱足以让模型认出它来自哪位病人，这种与生物学无关的样本特异性偏差会干扰肿瘤分型。研究在APOLLO数据集的46例样本上引入可学习特征重要性层，与双头分类器对抗训练，压低病人身份信号而保留IDH突变状态信息。身份预测平衡准确率从68%降到12%，突变型与野生型分类的平衡准确率保持在0.8。

半线性时间分数阶反应–扩散方程的神经网络求解，把Caputo记忆项改写成三次Hermite乘积积分：每个时间面板用神经网络状态及其自动微分时间斜率作端点数据，弱奇异权重在训练前一次算好。在v(t)=t⁴.2的标量基准上，Hermite记忆近似在测试网格上比经典L1公式精确三到六个数量级；对α=0.7的制造解问题，小型CPU训练网络取得1.98×10⁻⁵的相对L2误差和3.80×10⁻⁵的最大误差。

半线性时间分数阶反应–扩散方程的神经网络求解，把Caputo记忆项改写成三次Hermite乘积积分：每个时间面板用神经网络状态及其自动微分时间斜率作端点数据，弱奇异权重在训练前一次算好。在v(t)=t⁴.2的标量基准上，Hermite记忆近似在测试网格上比经典L1公式精确三到六个数量级；对α=0.7的制造解问题，小型CPU训练网络取得1.98×10⁻⁵的相对L2误差和3.80×10⁻⁵的最大误差。

全身麻醉中，七氟烷、地氟烷与丙泊酚、瑞芬太尼合用时的脑电双频指数（BIS）预测，此前依赖固定的人群平均药效参数。一项计算建模研究把三种药物的协同作用并入同一个响应面模型，并用抗伪迹的全局优化从20例真实手术记录中逐人拟合药效敏感参数。个体化参数下，队列平均MDAPE为11.77%，低于15%的临床可用阈值；改用同一队列聚合出的人群基线后，平均MDAPE升至16.98%。

全身麻醉中，七氟烷、地氟烷与丙泊酚、瑞芬太尼合用时的脑电双频指数（BIS）预测，此前依赖固定的人群平均药效参数。一项计算建模研究把三种药物的协同作用并入同一个响应面模型，并用抗伪迹的全局优化从20例真实手术记录中逐人拟合药效敏感参数。个体化参数下，队列平均MDAPE为11.77%，低于15%的临床可用阈值；改用同一队列聚合出的人群基线后，平均MDAPE升至16.98%。

流数据实时预测中，研究者往往同时手握多个广义线性模型，而模型平均通常要对全部历史数据做凸优化。ReMAQ用二次近似改写这一过程，使新一批数据到达时只需解一个二次规划即可顺序更新预测，无需访问全部历史数据。在正则条件下，其权重与基于不可得全数据的oracle模型平均渐近等价，由此得到渐近最优性；模拟研究以及在Airline On-Time Performance数据集上的应用用于评估该方法。

流数据实时预测中，研究者往往同时手握多个广义线性模型，而模型平均通常要对全部历史数据做凸优化。ReMAQ用二次近似改写这一过程，使新一批数据到达时只需解一个二次规划即可顺序更新预测，无需访问全部历史数据。在正则条件下，其权重与基于不可得全数据的oracle模型平均渐近等价，由此得到渐近最优性；模拟研究以及在Airline On-Time Performance数据集上的应用用于评估该方法。

模块化超大天线阵列在近场与远场并存的混合场环境中做波束训练，候选码本不再固定不变。此前子阵方案依赖预定义码本或激活图样，难以适应空间非平稳信道；这里先用视差感知的初始码本覆盖各子阵的角度偏移，再用多臂老虎机在线学习，并在统计稳态后跨子阵投影、用似然比检验剔除纯噪声扇区，从而压缩动作空间。仿真中该方案在评估的整个信噪比范围内有效频谱效率高于三种对比方案，训练开销也明显降低。

模块化超大天线阵列在近场与远场并存的混合场环境中做波束训练，候选码本不再固定不变。此前子阵方案依赖预定义码本或激活图样，难以适应空间非平稳信道；这里先用视差感知的初始码本覆盖各子阵的角度偏移，再用多臂老虎机在线学习，并在统计稳态后跨子阵投影、用似然比检验剔除纯噪声扇区，从而压缩动作空间。仿真中该方案在评估的整个信噪比范围内有效频谱效率高于三种对比方案，训练开销也明显降低。

在证据是否足以支持因果主张这类没有可判定正确答案的判断任务上，一套先监督微调、再用大模型评审奖励做GRPO的边界保持配方，把行动压力下无评估提示时的自发正确拒答从基线的25%提高到100%（每臂40条，Wilson 95%置信区间下界91.2%，与基线区间[14.2%, 40.2%]不重叠），而打乱配对的安慰剂跌到5%。同一配方在281条结构良好的主张上自动误拒率为1.1%（Wilson上界3.09%），说明效果针对边界而非一律拒答；但监督微调已在该面上饱和，GRPO的增量无法单独识别，且评分来自模型会话而非人类专家。

在证据是否足以支持因果主张这类没有可判定正确答案的判断任务上，一套先监督微调、再用大模型评审奖励做GRPO的边界保持配方，把行动压力下无评估提示时的自发正确拒答从基线的25%提高到100%（每臂40条，Wilson 95%置信区间下界91.2%，与基线区间[14.2%, 40.2%]不重叠），而打乱配对的安慰剂跌到5%。同一配方在281条结构良好的主张上自动误拒率为1.1%（Wilson上界3.09%），说明效果针对边界而非一律拒答；但监督微调已在该面上饱和，GRPO的增量无法单独识别，且评分来自模型会话而非人类专家。

帕金森病与特发性震颤早期症状相似，在专科门诊仍有20%至30%的误诊率，而常规弥散张量成像追踪的白质纤维束难以反映灰质内部的微结构改变。研究改用扩散相似网络，以脑区之间扩散特征的统计相似度连边，再经迭代置换采样递归特征消除筛选连接、送入图神经网络分类。在本地100人队列的五折交叉验证中，该流程区分帕金森病与特发性震颤的AUC为0.94，另取40人留出集上平衡准确率为87.5%。

帕金森病与特发性震颤早期症状相似，在专科门诊仍有20%至30%的误诊率，而常规弥散张量成像追踪的白质纤维束难以反映灰质内部的微结构改变。研究改用扩散相似网络，以脑区之间扩散特征的统计相似度连边，再经迭代置换采样递归特征消除筛选连接、送入图神经网络分类。在本地100人队列的五折交叉验证中，该流程区分帕金森病与特发性震颤的AUC为0.94，另取40人留出集上平衡准确率为87.5%。

松材线虫病在针叶尚未明显变色时最难发现，RGB无人机影像缺少可见特征。研究构建面向无人机高光谱数据的多尺度视觉Transformer模型LMS-ViT，用光谱—空间特征融合模块、改进的高斯自注意力机制和多尺度特征金字塔捕捉中心像素与邻域的光谱差异。在山东烟台赤松林样区上，该模型对绿侵染期和早期感染树的识别准确率分别为87.40%和88.21%，总体精度87.90%、Kappa系数83.25%，参数量2.45 M。

松材线虫病在针叶尚未明显变色时最难发现，RGB无人机影像缺少可见特征。研究构建面向无人机高光谱数据的多尺度视觉Transformer模型LMS-ViT，用光谱—空间特征融合模块、改进的高斯自注意力机制和多尺度特征金字塔捕捉中心像素与邻域的光谱差异。在山东烟台赤松林样区上，该模型对绿侵染期和早期感染树的识别准确率分别为87.40%和88.21%，总体精度87.90%、Kappa系数83.25%，参数量2.45 M。

混合式贝叶斯网络学习把骨架构建与打分搜索分开，搜索阶段用爬山法还是禁忌搜索、打分用BDe、LL还是BIC，都会改变学到的结构。PCTABU把PC算法的骨架构建与禁忌搜索结合，在八个真实基准网络上与PCHC对比：Alarm、Child、Hailfinder三个较稀疏网络上PCTABU更好，其余五个网络两者几乎等价；LL打分在两种算法上都持续最差，BDe与BIC表现相近。

混合式贝叶斯网络学习把骨架构建与打分搜索分开，搜索阶段用爬山法还是禁忌搜索、打分用BDe、LL还是BIC，都会改变学到的结构。PCTABU把PC算法的骨架构建与禁忌搜索结合，在八个真实基准网络上与PCHC对比：Alarm、Child、Hailfinder三个较稀疏网络上PCTABU更好，其余五个网络两者几乎等价；LL打分在两种算法上都持续最差，BDe与BIC表现相近。

远程问诊中的病史采集需要多轮追问并随患者回答调整，MedAgent-RAG把已填槽位、排序鉴别诊断、已问问题和红旗征候维护成显式临床状态，每一问都由该状态决定，最后用父—子检索增强流程把评估落到临床指南上。在MediTOD语料配合语言模型患者模拟器的评测中，同一语言模型的单次生成基线BERTScore F1为0.68，该系统为0.84，代价是平均15.8轮对话。

远程问诊中的病史采集需要多轮追问并随患者回答调整，MedAgent-RAG把已填槽位、排序鉴别诊断、已问问题和红旗征候维护成显式临床状态，每一问都由该状态决定，最后用父—子检索增强流程把评估落到临床指南上。在MediTOD语料配合语言模型患者模拟器的评测中，同一语言模型的单次生成基线BERTScore F1为0.68，该系统为0.84，代价是平均15.8轮对话。

物理控制中的探索常依赖即时预测误差或单步物理量变化，容易错过要经过多步交互才显现的信息。HTC2 在学到的哈密顿相空间里训练一个按时间跨度条件化的对比评判器，用当前状态—动作与同一回合内多步未来之间的表示距离作为主要好奇心信号，再用有界的多步哈密顿变化调制它。在 DeepMind Control Suite 的六个任务上，HTC2 与 SAC、PPO 两种策略优化器结合后，在十二个设置中的十一个取得最高平均最终回报。

物理控制中的探索常依赖即时预测误差或单步物理量变化，容易错过要经过多步交互才显现的信息。HTC2 在学到的哈密顿相空间里训练一个按时间跨度条件化的对比评判器，用当前状态—动作与同一回合内多步未来之间的表示距离作为主要好奇心信号，再用有界的多步哈密顿变化调制它。在 DeepMind Control Suite 的六个任务上，HTC2 与 SAC、PPO 两种策略优化器结合后，在十二个设置中的十一个取得最高平均最终回报。

多目标多智能体强化学习此前把多个目标当作叠加在多智能体问题上的额外优化维度。MIRL把目标结构本身用来引导协作：团队偏好固定系统级取舍，每个智能体另有一个可学习的个体偏好，由元梯度按后续团队表现调整。在四个多目标粒子环境任务上，MIRL-S与MIRL-D的帕累托前沿质量优于五个基线，动态变体MIRL-D整体最强。

多目标多智能体强化学习此前把多个目标当作叠加在多智能体问题上的额外优化维度。MIRL把目标结构本身用来引导协作：团队偏好固定系统级取舍，每个智能体另有一个可学习的个体偏好，由元梯度按后续团队表现调整。在四个多目标粒子环境任务上，MIRL-S与MIRL-D的帕累托前沿质量优于五个基线，动态变体MIRL-D整体最强。

人类视觉被认为用“拉直”的编码表示随时间变化的自然世界，即帧间变化在表征空间中走更接近线性的路径。围绕深度网络是否也如此，一项研究比较了网络架构、不同类型鲁棒性、类生物滤波机制与表征直度，发现对抗训练能让CNN和Transformer的表征更直，但这一效应依赖任务，不推广到分割和帧预测，也不推广到其他类型的鲁棒性。更直的表征还带来类别预测的时间稳定性，包括分布外数据。

人类视觉被认为用“拉直”的编码表示随时间变化的自然世界，即帧间变化在表征空间中走更接近线性的路径。围绕深度网络是否也如此，一项研究比较了网络架构、不同类型鲁棒性、类生物滤波机制与表征直度，发现对抗训练能让CNN和Transformer的表征更直，但这一效应依赖任务，不推广到分割和帧预测，也不推广到其他类型的鲁棒性。更直的表征还带来类别预测的时间稳定性，包括分布外数据。

医学视觉-语言预训练依赖成对的影像与放射报告，但扫描仪和采集协议的差异会削弱迁移。Meta-CLIP把DICOM头里被忽视的结构化采集信息用作训练时的先验：以数值与类别字段上的核函数定义有界的两两间隔，在预训练中重新加权跨模态负样本，推理时仍走标准双编码器、不需要元数据。在CT-RATE上，其宏AUROC比CT-CLIP高1.41个点，95%配对自助法置信区间为0.96至1.85个点；在五个胸片基准中的四个上取得最高宏AUROC。

医学视觉-语言预训练依赖成对的影像与放射报告，但扫描仪和采集协议的差异会削弱迁移。Meta-CLIP把DICOM头里被忽视的结构化采集信息用作训练时的先验：以数值与类别字段上的核函数定义有界的两两间隔，在预训练中重新加权跨模态负样本，推理时仍走标准双编码器、不需要元数据。在CT-RATE上，其宏AUROC比CT-CLIP高1.41个点，95%配对自助法置信区间为0.96至1.85个点；在五个胸片基准中的四个上取得最高宏AUROC。

英伟达 Mission Control 2.5 把原本只服务 Slurm 高性能计算负载的自主恢复引擎扩展到由 NVIDIA Run:ai 管理的 Kubernetes 工作负载。此前这类 AI 工厂依赖人工干预、静态检查点和被动监控，难以支撑数十个并发多节点训练任务。新版本把工作负载放置、作业恢复与硬件恢复分成三层协同：作业侧依据失败历史和作业拓扑决定重启、重试或重新排队，硬件侧隔离可疑节点并做诊断，使恢复不必等待根因分析。

英伟达 Mission Control 2.5 把原本只服务 Slurm 高性能计算负载的自主恢复引擎扩展到由 NVIDIA Run:ai 管理的 Kubernetes 工作负载。此前这类 AI 工厂依赖人工干预、静态检查点和被动监控，难以支撑数十个并发多节点训练任务。新版本把工作负载放置、作业恢复与硬件恢复分成三层协同：作业侧依据失败历史和作业拓扑决定重启、重试或重新排队，硬件侧隔离可疑节点并做诊断，使恢复不必等待根因分析。

英伟达推出面向AI工厂的AIOps平台Minerva，把GPU、交换机、存储与训练作业的遥测汇入一张随作业变化更新的知识图谱，再用监督与无监督模型识别静态阈值抓不到的“灰色故障”。在英伟达给出的一个案例中，一次交换机重启引发的81条独立事件被合并为一起事件，节省约54小时集群运行时间；另一个案例中，平台从约40万个接口里定位到一条正在悄悄丢带宽的NVLink连接。这些数字来自英伟达内部测试与案例描述，覆盖的是其支持场景。

英伟达推出面向AI工厂的AIOps平台Minerva，把GPU、交换机、存储与训练作业的遥测汇入一张随作业变化更新的知识图谱，再用监督与无监督模型识别静态阈值抓不到的“灰色故障”。在英伟达给出的一个案例中，一次交换机重启引发的81条独立事件被合并为一起事件，节省约54小时集群运行时间；另一个案例中，平台从约40万个接口里定位到一条正在悄悄丢带宽的NVLink连接。这些数字来自英伟达内部测试与案例描述，覆盖的是其支持场景。

第一视角AI助手的评测长期依赖真人，交互数据昂贵而稀少，难以回答今天的多模态大模型能否在物理世界里真正帮到人。InteractiveWorld把这一环节搬进可验证的闭环环境：助手发出指令，由人类智能体观察场景、理解指令并独立行动，环境执行动作并更新双方看到的画面。在此之上构建的InteractiveBench包含六类共120个多轮任务，每个指令都影响结果并由基于状态的可验证奖励打分；12个前沿多模态大模型的表现显示它们仍远非可靠助手，其中Claude Fable 5.1在长程引导与规划任务上分别最高只达到20%和25%。

第一视角AI助手的评测长期依赖真人，交互数据昂贵而稀少，难以回答今天的多模态大模型能否在物理世界里真正帮到人。InteractiveWorld把这一环节搬进可验证的闭环环境：助手发出指令，由人类智能体观察场景、理解指令并独立行动，环境执行动作并更新双方看到的画面。在此之上构建的InteractiveBench包含六类共120个多轮任务，每个指令都影响结果并由基于状态的可验证奖励打分；12个前沿多模态大模型的表现显示它们仍远非可靠助手，其中Claude Fable 5.1在长程引导与规划任务上分别最高只达到20%和25%。

相机与激光雷达的鸟瞰图融合在相机画面退化时容易把损坏纹理当成有用证据。DARFusion把融合改成对两种模态可信度的估计：先用学到的可靠性线索校准特征，再用校准后的特征、任务驱动上下文和由相机鸟瞰图特征导出的紧凑退化描述子决定相机证据该用多少。在nuScenes干净验证集上它保持68.4 mAP和71.5 NDS，并在真实雨天与夜间子集上分别比复现的BEVFusion基线高1.41和1.31 mAP。

相机与激光雷达的鸟瞰图融合在相机画面退化时容易把损坏纹理当成有用证据。DARFusion把融合改成对两种模态可信度的估计：先用学到的可靠性线索校准特征，再用校准后的特征、任务驱动上下文和由相机鸟瞰图特征导出的紧凑退化描述子决定相机证据该用多少。在nuScenes干净验证集上它保持68.4 mAP和71.5 NDS，并在真实雨天与夜间子集上分别比复现的BEVFusion基线高1.41和1.31 mAP。

面向持续到来的新行为类别，TRACE 不再回放历史样本，也不扩张共享分类器，而是把冻结的时域—频域特征交给每个类别各自的小型自编码器，按重构误差判定类别。在五个多变量时序增量学习基准上，它的五数据集平均最终准确率为 88.85%，保留内存为 9.17 MiB；相比平均准确率最强的解析基线 TS-ACL，保留内存减少约 98.26%，并在 GrabMyo 上取得约 33.43% 的相对准确率提升。

面向持续到来的新行为类别，TRACE 不再回放历史样本，也不扩张共享分类器，而是把冻结的时域—频域特征交给每个类别各自的小型自编码器，按重构误差判定类别。在五个多变量时序增量学习基准上，它的五数据集平均最终准确率为 88.85%，保留内存为 9.17 MiB；相比平均准确率最强的解析基线 TS-ACL，保留内存减少约 98.26%，并在 GrabMyo 上取得约 33.43% 的相对准确率提升。

Claude Code、Codex 这类命令行 AI 智能体自带搜索和网页读取，却基本够不着需要登录的平台、视频字幕与语音转写、中文平台和结构化数据。Agent Reach 把这些平台背后的上游工具预先装好、测好，智能体用“渠道 动作 参数”一条命令即可调用，并按顺序在首选工具失败时自动换用备选工具。它只做搜索和读取，不替你登录，也不索要密码。

Claude Code、Codex 这类命令行 AI 智能体自带搜索和网页读取，却基本够不着需要登录的平台、视频字幕与语音转写、中文平台和结构化数据。Agent Reach 把这些平台背后的上游工具预先装好、测好，智能体用“渠道 动作 参数”一条命令即可调用，并按顺序在首选工具失败时自动换用备选工具。它只做搜索和读取，不替你登录，也不索要密码。

VRATF把检索增强预测的比对对象从原始时间序列换成去噪后的趋势折线图：先用FFT低通滤波提取低频趋势，渲染成224×224图像，再由冻结的CLIP ViT-B/32编码建库，按余弦相似度取Top-K并用高斯核加权聚合历史未来轨迹。检索预测与DLinear基预测经一个可学习标量在预测层融合。六个多变量基准上，VRATF在其中四个取得最低平均MSE，ETTh2平均MSE为0.340，较次优的RAFT（0.358）改善5.0%。

VRATF把检索增强预测的比对对象从原始时间序列换成去噪后的趋势折线图：先用FFT低通滤波提取低频趋势，渲染成224×224图像，再由冻结的CLIP ViT-B/32编码建库，按余弦相似度取Top-K并用高斯核加权聚合历史未来轨迹。检索预测与DLinear基预测经一个可学习标量在预测层融合。六个多变量基准上，VRATF在其中四个取得最低平均MSE，ETTh2平均MSE为0.340，较次优的RAFT（0.358）改善5.0%。

助听器要在耳内有限的空间和电池下完成降噪与语音识别，高阶有限脉冲响应滤波器因乘加运算多而占用面积和功耗。该架构把无乘法器、无存储表的分布式算术有限脉冲响应滤波与深度谱神经网络放进同一块面向专用集成电路的设计，网络用近似Wallace树乘法器做推理。专用集成电路后综合分析给出16万平方微米面积、1.4毫瓦功耗和约2.1毫秒的硬件处理延迟，功能验证在MATLAB中完成，原型流片与实时硬件验证尚未进行。

助听器要在耳内有限的空间和电池下完成降噪与语音识别，高阶有限脉冲响应滤波器因乘加运算多而占用面积和功耗。该架构把无乘法器、无存储表的分布式算术有限脉冲响应滤波与深度谱神经网络放进同一块面向专用集成电路的设计，网络用近似Wallace树乘法器做推理。专用集成电路后综合分析给出16万平方微米面积、1.4毫瓦功耗和约2.1毫秒的硬件处理延迟，功能验证在MATLAB中完成，原型流片与实时硬件验证尚未进行。

印度旁遮普邦议会1950至2024年的约20万页档案以印地语、旁遮普语和英语混排扫描件保存，版面破碎与OCR错误会一路传到检索和问答。该系统把版面分割、多文字OCR与智能体检索增强生成串成一条流水线，由评估模型判断检索到的证据是否够用，不够就改写查询再检索。在1000页、200条人工标注问答的分层评测集上，优化流水线的MRR@1为0.810、Hit@3为0.925；把检索—改写迭代上限从1提到3，答案F1从约0.18升到约0.35。

印度旁遮普邦议会1950至2024年的约20万页档案以印地语、旁遮普语和英语混排扫描件保存，版面破碎与OCR错误会一路传到检索和问答。该系统把版面分割、多文字OCR与智能体检索增强生成串成一条流水线，由评估模型判断检索到的证据是否够用，不够就改写查询再检索。在1000页、200条人工标注问答的分层评测集上，优化流水线的MRR@1为0.810、Hit@3为0.925；把检索—改写迭代上限从1提到3，答案F1从约0.18升到约0.35。

工具型语言模型智能体常对同一有害请求的一种措辞拒答、对另一种措辞照做，而漏掉的拒答会变成真实动作。研究在Llama-3.2-1B-Instruct上用LoRA微调，训练数据不取自AgentHarm，并把潜归因正则化（LAR）与仅做同义改写的对照在三个随机种子上比较。在无害工具任务上把过度拒答对齐到10%后，LAR把同一任务内拒答不一致的比例从25%降到19%，把改写引起的决策翻转率从11.3%降到9.3%，而有害与无害的区分能力没有显著变化。

工具型语言模型智能体常对同一有害请求的一种措辞拒答、对另一种措辞照做，而漏掉的拒答会变成真实动作。研究在Llama-3.2-1B-Instruct上用LoRA微调，训练数据不取自AgentHarm，并把潜归因正则化（LAR）与仅做同义改写的对照在三个随机种子上比较。在无害工具任务上把过度拒答对齐到10%后，LAR把同一任务内拒答不一致的比例从25%降到19%，把改写引起的决策翻转率从11.3%降到9.3%，而有害与无害的区分能力没有显著变化。

OpenBot 把 Codex、Claude Code、Grok CLI、OpenCode、Gemini、Cursor CLI 和 Cline CLI 等编码智能体放进同一个本地优先的桌面工作区，每个智能体拥有独立工作区与会话，并共享本地队列、文件传输、内嵌浏览器和智能体间消息。它同时提供共享桌面频道聊天，由一名任务负责人显式委派，并带停止、恢复、改派、归档和恢复控制。该版本是开发预览，智能体在首次启动同意后以 danger-full-access 和 approvalPolicy: never 运行，可读写文件、执行命令、联网并控制浏览器而不再逐次确认。

OpenBot 把 Codex、Claude Code、Grok CLI、OpenCode、Gemini、Cursor CLI 和 Cline CLI 等编码智能体放进同一个本地优先的桌面工作区，每个智能体拥有独立工作区与会话，并共享本地队列、文件传输、内嵌浏览器和智能体间消息。它同时提供共享桌面频道聊天，由一名任务负责人显式委派，并带停止、恢复、改派、归档和恢复控制。该版本是开发预览，智能体在首次启动同意后以 danger-full-access 和 approvalPolicy: never 运行，可读写文件、执行命令、联网并控制浏览器而不再逐次确认。

JetBrains 发布智能体 IDE ThinkRail，把编码智能体放进从 git 仓库切出的独立工作区，每个工作区有自己的分支和工作目录，智能体可以并行改动而不触碰开发者当前的检出。它围绕 pi 编码智能体搭建编辑器、终端与评审界面，并让智能体通过代码旁的 SPEC.md 规格图维持项目意图。合并好的分支、删除其余分支，是这套流程给出的收尾方式。

JetBrains 发布智能体 IDE ThinkRail，把编码智能体放进从 git 仓库切出的独立工作区，每个工作区有自己的分支和工作目录，智能体可以并行改动而不触碰开发者当前的检出。它围绕 pi 编码智能体搭建编辑器、终端与评审界面，并让智能体通过代码旁的 SPEC.md 规格图维持项目意图。合并好的分支、删除其余分支，是这套流程给出的收尾方式。

AIPOCH Open-Science v1.0.3 把癌症影像、通路、脂质、结构、分子调控与癌细胞系依赖等七个科学数据源接入同一个本地优先的科研工作台，并把文献检索、附件与筛选导出收进一个收件箱。此前这些来源各有标识符、查询约定和访问控制，连接与否是隐含假设；新版本把发现功能默认关闭、逐个保存来源选择，使可用性成为显式配置。文献导出的 CSV 含最终判定、人工决定、理由与模型概率，但这些字段只支持表格复核，不构成研究质量或科学结论。

AIPOCH Open-Science v1.0.3 把癌症影像、通路、脂质、结构、分子调控与癌细胞系依赖等七个科学数据源接入同一个本地优先的科研工作台，并把文献检索、附件与筛选导出收进一个收件箱。此前这些来源各有标识符、查询约定和访问控制，连接与否是隐含假设；新版本把发现功能默认关闭、逐个保存来源选择，使可用性成为显式配置。文献导出的 CSV 含最终判定、人工决定、理由与模型概率，但这些字段只支持表格复核，不构成研究质量或科学结论。