AI 与科学前沿 · 2026-11-12

阿里达摩院推出三维CT基础模型HoloCT，把影像解读与体素级分割放进同一个视觉—语言模型，让文字结论能配上可核查的三维掩膜。此前的分割网络只勾画、不解释，CT视觉语言模型只出文字、不给定位。在五个医院11,455例临床CT上，HoloCT-8B在喉部病变与肺癌分割上把平均Dice较VoxTell分别从0.107提到0.488、从0.543提到0.715，并在甲状腺肿瘤与结肠病变回顾性阅片研究中于敏感度和总准确率上超过全部四位参与放射科医生。

阿里达摩院推出三维CT基础模型HoloCT，把影像解读与体素级分割放进同一个视觉—语言模型，让文字结论能配上可核查的三维掩膜。此前的分割网络只勾画、不解释，CT视觉语言模型只出文字、不给定位。在五个医院11,455例临床CT上，HoloCT-8B在喉部病变与肺癌分割上把平均Dice较VoxTell分别从0.107提到0.488、从0.543提到0.715，并在甲状腺肿瘤与结肠病变回顾性阅片研究中于敏感度和总准确率上超过全部四位参与放射科医生。

SO3LR Tauri 把此前覆盖8种元素、400万结构的 SO3LR 力场扩展到85种元素、约1.48亿结构，并改写了短程排斥、静电与色散三个物理模块。它保留快速的 SO3krates 消息传递主干，在耦合簇参考上复现核碱基配对、蛋白–配体相互作用与糖构象排序，并在无体系专属拟合的动力学中给出水与有机溶剂密度、离子水合和多种生物分子结构。模型分 S/M/L 三档发布，单张 GPU 上可扩展到百万原子量级。

SO3LR Tauri 把此前覆盖8种元素、400万结构的 SO3LR 力场扩展到85种元素、约1.48亿结构，并改写了短程排斥、静电与色散三个物理模块。它保留快速的 SO3krates 消息传递主干，在耦合簇参考上复现核碱基配对、蛋白–配体相互作用与糖构象排序，并在无体系专属拟合的动力学中给出水与有机溶剂密度、离子水合和多种生物分子结构。模型分 S/M/L 三档发布，单张 GPU 上可扩展到百万原子量级。

研究团队用RFdiffusion3从零设计出以半胱氨酸催化三联体为核心的泛素连接酶，把活化的泛素供体直接接到目标蛋白选定的赖氨酸上。在含单一赖氨酸的19残基模型肽上，48个设计中有35个表现出可测的泛素化活性，其中4个在未做实验优化时接近定量转化。换到同源三聚体PCNA后，48个设计里只有4个有活性，其中PL4只修饰K164；再引入单个N148A替换后，PL4.1在3小时内把90%的PCNA转化为泛素化产物。

研究团队用RFdiffusion3从零设计出以半胱氨酸催化三联体为核心的泛素连接酶，把活化的泛素供体直接接到目标蛋白选定的赖氨酸上。在含单一赖氨酸的19残基模型肽上，48个设计中有35个表现出可测的泛素化活性，其中4个在未做实验优化时接近定量转化。换到同源三聚体PCNA后，48个设计里只有4个有活性，其中PL4只修饰K164；再引入单个N148A替换后，PL4.1在3小时内把90%的PCNA转化为泛素化产物。

AlphaGenome 2 把 DNA 变异效应的预测单位从整块组织的平均值缩小到具体细胞类型与细胞状态，模型改为以目标生物学条件为输入的条件模型。在覆盖 28 种原代免疫细胞类型的 TenK10K 单细胞图谱上，它识别出的因果变异比例为 30%，原版 AlphaGenome 经单细胞数据微调后为 16%，方向性基因效应为 43% 对 23%。模型在超过 1.07 亿个单细胞谱、68 种组织的数据上训练，可通过 API 用于非商业研究。

AlphaGenome 2 把 DNA 变异效应的预测单位从整块组织的平均值缩小到具体细胞类型与细胞状态，模型改为以目标生物学条件为输入的条件模型。在覆盖 28 种原代免疫细胞类型的 TenK10K 单细胞图谱上，它识别出的因果变异比例为 30%，原版 AlphaGenome 经单细胞数据微调后为 16%，方向性基因效应为 43% 对 23%。模型在超过 1.07 亿个单细胞谱、68 种组织的数据上训练，可通过 API 用于非商业研究。

混合量子-经典蒙特卡洛此前受限于反复处理量子测量数据的巨大经典计算开销，硬件演示只到16量子比特。研究把量子测量压缩成可微的机器学习代理模型，直接给出蒙特卡洛所需的波函数重叠及其导数，在谷歌Willow处理器上把端到端计算加速数个量级，使氢链和铁硫簇在最多40量子比特上达到化学精度，规模超过此前硬件演示的两倍。

混合量子-经典蒙特卡洛此前受限于反复处理量子测量数据的巨大经典计算开销，硬件演示只到16量子比特。研究把量子测量压缩成可微的机器学习代理模型，直接给出蒙特卡洛所需的波函数重叠及其导数，在谷歌Willow处理器上把端到端计算加速数个量级，使氢链和铁硫簇在最多40量子比特上达到化学精度，规模超过此前硬件演示的两倍。

Glyph把临床基础模型的高维嵌入拆成稀疏、可命名的概念，让这些原本纠缠在一起的特征能像临床变量一样被检验。研究在41,628名患者的腹部CT、影像报告和化验数据上测试了604,185个概念—结局配对，得到397个高风险概念和4,463个Bonferroni显著关联。多数关联在三个留出队列中无需重新校准即可复现，且前十概念在合并留出队列中的复现率高于文献检索得到的标记。

Glyph把临床基础模型的高维嵌入拆成稀疏、可命名的概念，让这些原本纠缠在一起的特征能像临床变量一样被检验。研究在41,628名患者的腹部CT、影像报告和化验数据上测试了604,185个概念—结局配对，得到397个高风险概念和4,463个Bonferroni显著关联。多数关联在三个留出队列中无需重新校准即可复现，且前十概念在合并留出队列中的复现率高于文献检索得到的标记。

PharmAgents2把药物发现从单项任务模型推进到端到端自主流程：它从公开文献中提炼可迁移的决策知识，并用并行智能体在靶点、假设与策略空间里展开探索。在LpxH抗菌靶点上，它自主提出一个此前未报道的变构位点并据此筛选，得到的AIPher-L1经酶抑制与生物物理结合实验确认活性与结合；JAK1与已知分子AIPher-X的二级靶点探索也分别得到细胞实验和SPR实验支持。

PharmAgents2把药物发现从单项任务模型推进到端到端自主流程：它从公开文献中提炼可迁移的决策知识，并用并行智能体在靶点、假设与策略空间里展开探索。在LpxH抗菌靶点上，它自主提出一个此前未报道的变构位点并据此筛选，得到的AIPher-L1经酶抑制与生物物理结合实验确认活性与结合；JAK1与已知分子AIPher-X的二级靶点探索也分别得到细胞实验和SPR实验支持。

潜电荷机器学习势把电荷当作从能量和力中学出的隐变量，其长程静电项此前没有精确的周期形式，净电荷与自能混在一起。把这一项写成涂抹型Epstein–Hurwitz格点和，可分离出净电荷赝像与局域自能，并给出任意形状晶胞的球平均定理、力和维里。在此基础上把潜电荷投影到固定总电荷，得到投影潜Ewald求和（pLES）；在带电NaCl团簇上，它找回了无约束模型最多漏掉1.8的总电荷，并把短程模型的测试误差从1.44降到0.42 meV/atom、从37降到13 meV/Å。

潜电荷机器学习势把电荷当作从能量和力中学出的隐变量，其长程静电项此前没有精确的周期形式，净电荷与自能混在一起。把这一项写成涂抹型Epstein–Hurwitz格点和，可分离出净电荷赝像与局域自能，并给出任意形状晶胞的球平均定理、力和维里。在此基础上把潜电荷投影到固定总电荷，得到投影潜Ewald求和（pLES）；在带电NaCl团簇上，它找回了无约束模型最多漏掉1.8的总电荷，并把短程模型的测试误差从1.44降到0.42 meV/atom、从37降到13 meV/Å。

Open-HumanScale把第一视角人类操作视频的预训练规模推到5万小时，并公开了数据、训练流程与检查点。在统一的“世界—动作”模型上，预训练时长与下游机器人任务成功率呈经验对数线性关系，且任务与场景多样性同步扩大时曲线更陡。仅用人类数据预训练的HumanWAM-Vanilla在RoboTwin 2.0的Clean2Clean上达到92.08%，在随机化场景Clean2Random上为68.88%。

Open-HumanScale把第一视角人类操作视频的预训练规模推到5万小时，并公开了数据、训练流程与检查点。在统一的“世界—动作”模型上，预训练时长与下游机器人任务成功率呈经验对数线性关系，且任务与场景多样性同步扩大时曲线更陡。仅用人类数据预训练的HumanWAM-Vanilla在RoboTwin 2.0的Clean2Clean上达到92.08%，在随机化场景Clean2Random上为68.88%。

GenEA把智能体的粗粒度身体力学与周围物体的物理交互放进一个多层级状态空间，再嵌入生成模型，得到目标与具身计划的联合概率分布。此前对人类计划推理的建模多把智能体抽象为二维网格中的点状实体，难以处理自然场景中身体与地形带来的约束。在积木操作与障碍路线导航两类实验中，GenEA通过该联合分布的简单变换复现人类的目标推断、动作推断、单手或双手策略偏好与难度判断，并优于任务与运动规划基线、启发式模型以及一个前沿视觉语言模型。

GenEA把智能体的粗粒度身体力学与周围物体的物理交互放进一个多层级状态空间，再嵌入生成模型，得到目标与具身计划的联合概率分布。此前对人类计划推理的建模多把智能体抽象为二维网格中的点状实体，难以处理自然场景中身体与地形带来的约束。在积木操作与障碍路线导航两类实验中，GenEA通过该联合分布的简单变换复现人类的目标推断、动作推断、单手或双手策略偏好与难度判断，并优于任务与运动规划基线、启发式模型以及一个前沿视觉语言模型。

长程LLM智能体按完整回合与环境交互，却逐词生成动作，现有强化学习要么给整条轨迹一个共享优势，要么把每个词当作动作。MPO把信用分配拆成两层：回合级广义优势估计在交互之间传递信用，回合内再做保均值的局部修正，策略更新则用完整回合的重要性比率。在搜索、工具使用和自动化任务上，Qwen3-4B-Thinking与Qwen3-30B-A3B-Instruct两个规模下，MPO在九个指标上均取得表中最高分，其中4B的BrowseComp-Plus pass@1比最强非MPO基线高4.33点。

长程LLM智能体按完整回合与环境交互，却逐词生成动作，现有强化学习要么给整条轨迹一个共享优势，要么把每个词当作动作。MPO把信用分配拆成两层：回合级广义优势估计在交互之间传递信用，回合内再做保均值的局部修正，策略更新则用完整回合的重要性比率。在搜索、工具使用和自动化任务上，Qwen3-4B-Thinking与Qwen3-30B-A3B-Instruct两个规模下，MPO在九个指标上均取得表中最高分，其中4B的BrowseComp-Plus pass@1比最强非MPO基线高4.33点。

多智能体系统中，一个智能体的错误输出会在被发现前被同伴读取并扩散到外部动作。Airlock把权限沿委派树逐级收窄，同时用只追加的数据来源图记录跨智能体的数据消费；告警后沿图向前隔离受污染的执行与待发动作。在1832次测试台运行、161次物理智能家居运行和24266条仿真记录中，Airlock在主测试台与智能家居网格上拦下告警后全部错误动作，收敛后零泄漏，比A2A与LangGraph原生控制多保留68到96个百分点的健康工作。

多智能体系统中，一个智能体的错误输出会在被发现前被同伴读取并扩散到外部动作。Airlock把权限沿委派树逐级收窄，同时用只追加的数据来源图记录跨智能体的数据消费；告警后沿图向前隔离受污染的执行与待发动作。在1832次测试台运行、161次物理智能家居运行和24266条仿真记录中，Airlock在主测试台与智能家居网格上拦下告警后全部错误动作，收敛后零泄漏，比A2A与LangGraph原生控制多保留68到96个百分点的健康工作。

开源权重模型的安全对齐高度稀疏，剪掉少量安全关键神经元或消融单个拒绝方向就能让模型输出有害内容。ABS-Align在偏好微调过程中逐步剪除这些已识别的安全关键神经元，迫使拒绝行为由网络其他部分重新建立，微调结束后再恢复被剪神经元。在Gemma-2-2B-IT、Llama-3-8B-Instruct、Llama-3.2-3B-Instruct和Qwen-3-4B四个模型上，该方法对TwinBreak、NeuroStrike、拒绝方向消融及十种SORRY-Bench黑盒攻击的成功率普遍下降，部分攻击降幅约90%，同时TruthfulQA提升而通用能力变化很小。

开源权重模型的安全对齐高度稀疏，剪掉少量安全关键神经元或消融单个拒绝方向就能让模型输出有害内容。ABS-Align在偏好微调过程中逐步剪除这些已识别的安全关键神经元，迫使拒绝行为由网络其他部分重新建立，微调结束后再恢复被剪神经元。在Gemma-2-2B-IT、Llama-3-8B-Instruct、Llama-3.2-3B-Instruct和Qwen-3-4B四个模型上，该方法对TwinBreak、NeuroStrike、拒绝方向消融及十种SORRY-Bench黑盒攻击的成功率普遍下降，部分攻击降幅约90%，同时TruthfulQA提升而通用能力变化很小。

AI 智能体已能提出原子层面的生物学假设，但分子动力学模拟的信任取决于过程记录，而现有智能体把这份记录交给语言模型自己写。MDClaw 把校验工具与有向无环图（DAG，记录各计算阶段依赖关系的图）结合，在阶段执行前检查、执行后留痕；在对照已沉积模拟的 MDDataBench 上，四个开放权重模型配 MDClaw 在 31 个测试体系中有 81–100% 全部三轮通过。去掉 DAG 的消融显示，11 次输出全部通过的运行其实跳过了能量最小化或平衡，或模拟了另一个结构。

AI 智能体已能提出原子层面的生物学假设，但分子动力学模拟的信任取决于过程记录，而现有智能体把这份记录交给语言模型自己写。MDClaw 把校验工具与有向无环图（DAG，记录各计算阶段依赖关系的图）结合，在阶段执行前检查、执行后留痕；在对照已沉积模拟的 MDDataBench 上，四个开放权重模型配 MDClaw 在 31 个测试体系中有 81–100% 全部三轮通过。去掉 DAG 的消融显示，11 次输出全部通过的运行其实跳过了能量最小化或平衡，或模拟了另一个结构。

高分辨率三维网格上的稠密形状对应长期受制于空间-谱耦合的二次方开销：两张各含k个顶点的形状，一次耦合就要占用约GB级显存，现有方法只能先大幅降采样再回传。Geo-FlashAttention把这一耦合改写为缩放点积注意力，并只在按测地距离选出的表面块上计算精确softmax，从而在保持精确实现对应精度的同时获得近线性经验扩展。在顶点规模下，训练峰值显存由106.08 GiB降至5.67 GiB，且每步训练快于FlashAttention，使皮层表面这类高分辨率网格的端到端对应学习成为可能。

高分辨率三维网格上的稠密形状对应长期受制于空间-谱耦合的二次方开销：两张各含k个顶点的形状，一次耦合就要占用约GB级显存，现有方法只能先大幅降采样再回传。Geo-FlashAttention把这一耦合改写为缩放点积注意力，并只在按测地距离选出的表面块上计算精确softmax，从而在保持精确实现对应精度的同时获得近线性经验扩展。在顶点规模下，训练峰值显存由106.08 GiB降至5.67 GiB，且每步训练快于FlashAttention，使皮层表面这类高分辨率网格的端到端对应学习成为可能。

物理信息神经网络此前只能给出采样点上的小残差，无法说明连续域上的误差有多大。这条流程让网络在共形坐标的Babenko方程上搜索高幅重力—毛细波，经多级神经修正、傅里叶投影与牛顿抛光把最大采样残差降低约七个数量级，再把候选冻结为显式三角多项式，用区间算术给出连续残差的严格一致上界，并在Lean中机器核验从数值界到最终残差定理的推导。

物理信息神经网络此前只能给出采样点上的小残差，无法说明连续域上的误差有多大。这条流程让网络在共形坐标的Babenko方程上搜索高幅重力—毛细波，经多级神经修正、傅里叶投影与牛顿抛光把最大采样残差降低约七个数量级，再把候选冻结为显式三角多项式，用区间算术给出连续残差的严格一致上界，并在Lean中机器核验从数值界到最终残差定理的推导。

从多脑区同时记录中区分“脑区自身的动力学”和“外部输入”一直很难，因为同一段活动可以由多种动力学与输入组合产生。DynISys 把每个记录脑区建成独立的低维动力系统，脑区间通信只经少量显式通道，并用可逆读出把潜状态映射到放电率。在两只猴的 PMd 与 M1 同步记录上，它每区仅用 8 维潜状态就达到 MR-LFADS 每区 128 维的 PSTH 重建水平，且推断出的 PMd→M1 通信时序与目标信息由 PMd 传向 M1 的假设一致。

从多脑区同时记录中区分“脑区自身的动力学”和“外部输入”一直很难，因为同一段活动可以由多种动力学与输入组合产生。DynISys 把每个记录脑区建成独立的低维动力系统，脑区间通信只经少量显式通道，并用可逆读出把潜状态映射到放电率。在两只猴的 PMd 与 M1 同步记录上，它每区仅用 8 维潜状态就达到 MR-LFADS 每区 128 维的 PSTH 重建水平，且推断出的 PMd→M1 通信时序与目标信息由 PMd 传向 M1 的假设一致。

多轮工具调用的强化学习训练中，推理准确率会在初期上升后跌回非智能体基线以下，TACA把原因定位到工具调用令牌拿到的整体信用为负，并改为在推理转向工具调用这一步上做监督。它在Qwen2.5-1.5B与3B上相对MT-GRPO把六个推理基准的平均准确率分别提高4.61和3.61个百分点，同时训练中的工具执行成功率保持在86.28%。

多轮工具调用的强化学习训练中，推理准确率会在初期上升后跌回非智能体基线以下，TACA把原因定位到工具调用令牌拿到的整体信用为负，并改为在推理转向工具调用这一步上做监督。它在Qwen2.5-1.5B与3B上相对MT-GRPO把六个推理基准的平均准确率分别提高4.61和3.61个百分点，同时训练中的工具执行成功率保持在86.28%。

电脑操作智能体每张截图要编码成数千个视觉token，长任务和实时游戏里上下文迅速膨胀。VTR把视觉语言模型与一个轻量时空路由器联合训练，路由器查看当前与上一张截图中同一图像区域，决定该token是否进入语言模型，并用自适应损失在尽量少保留token与尽量不损失动作预测之间取舍。仅2000步训练后，VTR在OSWorld、CUA-World和电子游戏动作预测上匹配全分辨率模型，视觉token少2.5至5.8倍，推理成本最多降3.3倍，预填充最多快2.9倍。

电脑操作智能体每张截图要编码成数千个视觉token，长任务和实时游戏里上下文迅速膨胀。VTR把视觉语言模型与一个轻量时空路由器联合训练，路由器查看当前与上一张截图中同一图像区域，决定该token是否进入语言模型，并用自适应损失在尽量少保留token与尽量不损失动作预测之间取舍。仅2000步训练后，VTR在OSWorld、CUA-World和电子游戏动作预测上匹配全分辨率模型，视觉token少2.5至5.8倍，推理成本最多降3.3倍，预填充最多快2.9倍。

工具型大模型智能体把模型输出变成真实操作，间接提示注入因此成为执行安全问题。SecureGARD在规划与工具执行之间插入一层可执行本体，把异构工具调用归一到共享的语义动作，再结合当前任务状态判定为就绪、等待或禁止。在AgentDojo、ASB与AgentDyn的良性及间接注入设置下，两种骨干上的观测攻击成功率均为0%，受攻击时的任务效用优于所比较的基线。

工具型大模型智能体把模型输出变成真实操作，间接提示注入因此成为执行安全问题。SecureGARD在规划与工具执行之间插入一层可执行本体，把异构工具调用归一到共享的语义动作，再结合当前任务状态判定为就绪、等待或禁止。在AgentDojo、ASB与AgentDyn的良性及间接注入设置下，两种骨干上的观测攻击成功率均为0%，受攻击时的任务效用优于所比较的基线。

阿尔茨海默病队列里多数人只有一次、且部分模态缺失的横断面检查，难以判断其处于病程何处、属于哪种亚型。ELPAC把临床可靠的终点组作为锚点，沿带生物学约束的速度场反向积分出亚型轨迹，并把阶段轴周围的残余多模态变异分解为随阶段增强或减弱的稀疏协同轴。在合成数据与ADNI+NACC/SCAN协调队列上，它恢复了潜结构、给出校准的预测区间，并得到随亚型不同的多模态协同模式。

阿尔茨海默病队列里多数人只有一次、且部分模态缺失的横断面检查，难以判断其处于病程何处、属于哪种亚型。ELPAC把临床可靠的终点组作为锚点，沿带生物学约束的速度场反向积分出亚型轨迹，并把阶段轴周围的残余多模态变异分解为随阶段增强或减弱的稀疏协同轴。在合成数据与ADNI+NACC/SCAN协调队列上，它恢复了潜结构、给出校准的预测区间，并得到随亚型不同的多模态协同模式。

视觉模型在看似简单的场景上仍会出错，而固定数据集无法可靠估计最坏情况误差。程序对抗学习把可解释的程序生成器当作可控数据源，用零阶优化在其低维控制参数上搜索难例。Simple-PAT在法向估计、图像分割和人体姿态估计四个任务上，面对5000万次查询的跨模型黑盒对手，最坏情况误差低于均匀训练和两种鲁棒重加权基线。

视觉模型在看似简单的场景上仍会出错，而固定数据集无法可靠估计最坏情况误差。程序对抗学习把可解释的程序生成器当作可控数据源，用零阶优化在其低维控制参数上搜索难例。Simple-PAT在法向估计、图像分割和人体姿态估计四个任务上，面对5000万次查询的跨模型黑盒对手，最坏情况误差低于均匀训练和两种鲁棒重加权基线。

多轮图像编辑中，每一轮输出都会成为下一轮输入，未被要求改动的细节会逐轮累积成明显漂移。TailSteer把保真校正集中到扩散采样去噪轨迹的尾段，前段仍沿用基座模型的动态，并用编辑器自身在线 rollout 中未改动的内容作为保真参照，不需要人工标注的编辑配对。在 FLUX、SenseNova 与 Qwen 三个模型家族的四个基座模型上，15到20轮编辑的累积漂移明显减小，同时文生图与单轮编辑基准上的表现大体保持。

多轮图像编辑中，每一轮输出都会成为下一轮输入，未被要求改动的细节会逐轮累积成明显漂移。TailSteer把保真校正集中到扩散采样去噪轨迹的尾段，前段仍沿用基座模型的动态，并用编辑器自身在线 rollout 中未改动的内容作为保真参照，不需要人工标注的编辑配对。在 FLUX、SenseNova 与 Qwen 三个模型家族的四个基座模型上，15到20轮编辑的累积漂移明显减小，同时文生图与单轮编辑基准上的表现大体保持。

高通 AI 研究提出的 CORE 是一个免训练的研究外壳，把检索拆成粗到细两步：先用稠密检索取回整段文本，再复用后期交互重排器的词元级相似度，只把每段里最相关的片段交给智能体。在固定语料的封闭检索对照中，CORE 在三个智能体模型与三个基准的每一组比较里都取得最高的答案准确率和证据召回率，语料规模从 10 万网页文档到 5.53 亿篇 ClimbMix 文档。

高通 AI 研究提出的 CORE 是一个免训练的研究外壳，把检索拆成粗到细两步：先用稠密检索取回整段文本，再复用后期交互重排器的词元级相似度，只把每段里最相关的片段交给智能体。在固定语料的封闭检索对照中，CORE 在三个智能体模型与三个基准的每一组比较里都取得最高的答案准确率和证据召回率，语料规模从 10 万网页文档到 5.53 亿篇 ClimbMix 文档。

把 SAM 3 的图像编码器权重量化到 4 比特、激活保持 8 比特后，模型常出现“提示对齐漂移”：掩码看着合理，却圈错目标或在视频中丢失同一对象。SPQ 在离线校准阶段给影响文本概念分数的参数更高权重、约束低方差残差方向上的特征误差，并用成对视频推演估计记忆接口的均值偏移后折入已有偏置。在 W4A8 设置下，RefCOCO Pr@0.5 由 PTQ4SAM 的 42.1 升到 72.5，同时保留 54.8 COCO mask AP，推理图不增加算子。

把 SAM 3 的图像编码器权重量化到 4 比特、激活保持 8 比特后，模型常出现“提示对齐漂移”：掩码看着合理，却圈错目标或在视频中丢失同一对象。SPQ 在离线校准阶段给影响文本概念分数的参数更高权重、约束低方差残差方向上的特征误差，并用成对视频推演估计记忆接口的均值偏移后折入已有偏置。在 W4A8 设置下，RefCOCO Pr@0.5 由 PTQ4SAM 的 42.1 升到 72.5，同时保留 54.8 COCO mask AP，推理图不增加算子。

链式思维隐藏状态上的答案探针常被当作模型已定下最终答案的证据，但候选名即将被写出时，隐藏状态同样会携带该候选的信息。发射受控双目标探测（ECDP）在同一位置用同一低秩读取器分别拟合“下一个被提到的候选”和“最终答案”，并预先固定各自的零假设与阈值。在DecisionDepth上，Qwen3.5-4B读取下一个提及的准确率为.966（零假设.234），读取最终答案仅.221（零假设.186），发射差.696；Llama-3.1-8B的发射差为.575。这一顺序并非普遍规律：在Qwen3-8B的MMLU设定中，最终答案反而更易读出。

链式思维隐藏状态上的答案探针常被当作模型已定下最终答案的证据，但候选名即将被写出时，隐藏状态同样会携带该候选的信息。发射受控双目标探测（ECDP）在同一位置用同一低秩读取器分别拟合“下一个被提到的候选”和“最终答案”，并预先固定各自的零假设与阈值。在DecisionDepth上，Qwen3.5-4B读取下一个提及的准确率为.966（零假设.234），读取最终答案仅.221（零假设.186），发射差.696；Llama-3.1-8B的发射差为.575。这一顺序并非普遍规律：在Qwen3-8B的MMLU设定中，最终答案反而更易读出。

基于大视觉语言模型的逻辑异常检测把每条约束拆成文本清单逐项核对，但每项读到的仍是同一张原始图像，模型必须从同一输入里提取不同形态的视觉证据。CASCADE把分解扩展到图像一侧，按约束类型叠加逐实例着色或物体锚定网格；CASCADE++再从约束结构和参考分布推导脚手架配置。在MVTec-LOCO上，CASCADE++仅用三张参考图、不做训练即超过全量训练的最强方法，并迁移到多个视觉语言模型骨干。

基于大视觉语言模型的逻辑异常检测把每条约束拆成文本清单逐项核对，但每项读到的仍是同一张原始图像，模型必须从同一输入里提取不同形态的视觉证据。CASCADE把分解扩展到图像一侧，按约束类型叠加逐实例着色或物体锚定网格；CASCADE++再从约束结构和参考分布推导脚手架配置。在MVTec-LOCO上，CASCADE++仅用三张参考图、不做训练即超过全量训练的最强方法，并迁移到多个视觉语言模型骨干。

微调写进适配器的信息量，不再用参数量或权重重建误差衡量，而定义为压缩后重新载入冻结模型仍保留九成微调增益所需的最小序列化比特数。同一数据集在不同冻结模型上所需速率差别很大，例如保留九成数学增益在Qwen2.5-Math-7B上需1.03比特/值，在Qwen2.5-7B上只需0.41；在故意用错配推理监督训练的适配器上，压缩还把GSM8K准确率从23.7%拉回82.9%，高于冻结Qwen2.5-7B的77.6%。

微调写进适配器的信息量，不再用参数量或权重重建误差衡量，而定义为压缩后重新载入冻结模型仍保留九成微调增益所需的最小序列化比特数。同一数据集在不同冻结模型上所需速率差别很大，例如保留九成数学增益在Qwen2.5-Math-7B上需1.03比特/值，在Qwen2.5-7B上只需0.41；在故意用错配推理监督训练的适配器上，压缩还把GSM8K准确率从23.7%拉回82.9%，高于冻结Qwen2.5-7B的77.6%。

在固定特征分布、任意模型类的设定下，不可知学习（训练判别模型去逼近类内最优）与多准确度（训练生成模型使类内所有观察者都分不清真假标签）被证明在统计与计算复杂度上等价。此前只有从不可知学习到多准确度这一方向已知，反方向因单个多准确度预测器即使校准也无法超过随机猜测而悬置；新的归约反复调用多准确度预言机、按预测值分层并加权平均，最终得到既多准确又校准的预测器，从而完成不可知学习。

在固定特征分布、任意模型类的设定下，不可知学习（训练判别模型去逼近类内最优）与多准确度（训练生成模型使类内所有观察者都分不清真假标签）被证明在统计与计算复杂度上等价。此前只有从不可知学习到多准确度这一方向已知，反方向因单个多准确度预测器即使校准也无法超过随机猜测而悬置；新的归约反复调用多准确度预言机、按预测值分层并加权平均，最终得到既多准确又校准的预测器，从而完成不可知学习。

面向检索增强生成与智能体工作负载，Nebula把位置无关缓存（PIC，允许同一文本段在不同前缀下复用已算好的键值缓存）的片段提升为集群级缓存对象，使远端复用与并行预填充成为可能。此前分布式缓存系统仍只按前缀匹配，单机PIC又无法利用其他节点的缓存与算力。在四个模型和四个真实RAG与智能体负载上，Nebula相对最强基线把中位首字延迟平均降低61.4%，并平均找回前缀缓存漏掉的76.1%的token。

面向检索增强生成与智能体工作负载，Nebula把位置无关缓存（PIC，允许同一文本段在不同前缀下复用已算好的键值缓存）的片段提升为集群级缓存对象，使远端复用与并行预填充成为可能。此前分布式缓存系统仍只按前缀匹配，单机PIC又无法利用其他节点的缓存与算力。在四个模型和四个真实RAG与智能体负载上，Nebula相对最强基线把中位首字延迟平均降低61.4%，并平均找回前缀缓存漏掉的76.1%的token。

ZoomGain 是一条数据构建流程，它比较同一区域在全图与放大视图下的描述，把只有放大后才明确的细节改写成针对整张图的问答，并用多个模型在放大视图上核验答案、剔除仅凭语言先验即可作答的题目。据此构建的 1000 题中英双语基准 ZoomGainBench 上，28 个视觉语言模型里最好的 GPT-5.6-Sol 只得 61.08；用 9K 条 ZoomGain 样本做 GRPO 强化学习后，Qwen3.5-9B 在 13 项留出基准上的平均分为 66.10，高于 Qwen3.5-397B-A17B 的 65.55。

ZoomGain 是一条数据构建流程，它比较同一区域在全图与放大视图下的描述，把只有放大后才明确的细节改写成针对整张图的问答，并用多个模型在放大视图上核验答案、剔除仅凭语言先验即可作答的题目。据此构建的 1000 题中英双语基准 ZoomGainBench 上，28 个视觉语言模型里最好的 GPT-5.6-Sol 只得 61.08；用 9K 条 ZoomGain 样本做 GRPO 强化学习后，Qwen3.5-9B 在 13 项留出基准上的平均分为 66.10，高于 Qwen3.5-397B-A17B 的 65.55。

持续更新的模型会保留一串历史快照，攻击者可以查询这些快照，从而不仅判断某条样本是否被用于训练，还能推断它何时被加入、何时被移除。TMIA 把同一条样本在各快照上的置信度变化当作时间序列，用带滑动窗口的双向 LSTM 标出进入点和退出点，再按时间顺序配对成合法的成员区间。在三个语言模型和三个图像分类模型上，TMIA 的时间戳级 F1 在语言模型各设置中均高于 83%，区间级 F1 相对两个基线至少提升 21.82%。

持续更新的模型会保留一串历史快照，攻击者可以查询这些快照，从而不仅判断某条样本是否被用于训练，还能推断它何时被加入、何时被移除。TMIA 把同一条样本在各快照上的置信度变化当作时间序列，用带滑动窗口的双向 LSTM 标出进入点和退出点，再按时间顺序配对成合法的成员区间。在三个语言模型和三个图像分类模型上，TMIA 的时间戳级 F1 在语言模型各设置中均高于 83%，区间级 F1 相对两个基线至少提升 21.82%。

长程语言模型智能体的交互历史越积越长，上下文压缩因此成为必需，而已有的学习式压缩方法往往依赖下游任务结果或求解器行为。SumOne 是一个独立的20亿参数摘要器，用掩码重建构造与任务无关的奖励，再以 GRPO 优化，训练只使用原始轨迹，不需要参考摘要或下游任务执行。在 DeepSearchQA 上，它把累计智能体输入从 2.83M 降到 591K token，F1 为 0.48，而全上下文为 0.52；在 SWE-bench Verified 上，解决率为 0.59，全上下文为 0.63，累计输入从 4.10M 降到 1.09M token。

长程语言模型智能体的交互历史越积越长，上下文压缩因此成为必需，而已有的学习式压缩方法往往依赖下游任务结果或求解器行为。SumOne 是一个独立的20亿参数摘要器，用掩码重建构造与任务无关的奖励，再以 GRPO 优化，训练只使用原始轨迹，不需要参考摘要或下游任务执行。在 DeepSearchQA 上，它把累计智能体输入从 2.83M 降到 591K token，F1 为 0.48，而全上下文为 0.52；在 SWE-bench Verified 上，解决率为 0.59，全上下文为 0.63，累计输入从 4.10M 降到 1.09M token。

图形界面智能体的安全风险可能不在屏幕上，而在产生这张屏幕的转场里：同一张凭证页既可能是点击“登录”后的正常结果，也可能是点击“查看订单”后的劫持结果。LGWM 不渲染下一屏，而是直接在观测编码空间预测下一屏的表示，把校验变成一次向量比较；在每对凭证页像素完全相同的 RSWT-Bench 上，免训练的一致性分数达到 0.987 AUC，单次判定 17 毫秒，与最强闭源视觉语言模型同档，并比生成式 GUI 世界模型高约十个 AUC 点。

图形界面智能体的安全风险可能不在屏幕上，而在产生这张屏幕的转场里：同一张凭证页既可能是点击“登录”后的正常结果，也可能是点击“查看订单”后的劫持结果。LGWM 不渲染下一屏，而是直接在观测编码空间预测下一屏的表示，把校验变成一次向量比较；在每对凭证页像素完全相同的 RSWT-Bench 上，免训练的一致性分数达到 0.987 AUC，单次判定 17 毫秒，与最强闭源视觉语言模型同档，并比生成式 GUI 世界模型高约十个 AUC 点。

深共熔溶剂由氢键受体、氢键给体与溶质共同构成多层氢键网络，其溶解度难以从单个组分的性质直接推断。TiNN把这一过程拆成先形成受体—给体环境、再容纳溶质的两级表示，并用学到的自由能通路约束温度与压力响应，在938条记录上取得测试集 $R^2$ 为0.917。在葡萄糖、木聚糖与Kraft木质素于酸性、碱性、中性深共熔溶剂中的新测量里，TiNN把溶解度的几何平均倍数误差从COSMO-RS的23倍以上降到约1.5倍。

深共熔溶剂由氢键受体、氢键给体与溶质共同构成多层氢键网络，其溶解度难以从单个组分的性质直接推断。TiNN把这一过程拆成先形成受体—给体环境、再容纳溶质的两级表示，并用学到的自由能通路约束温度与压力响应，在938条记录上取得测试集 $R^2$ 为0.917。在葡萄糖、木聚糖与Kraft木质素于酸性、碱性、中性深共熔溶剂中的新测量里，TiNN把溶解度的几何平均倍数误差从COSMO-RS的23倍以上降到约1.5倍。

寄存器传输级（RTL）代码的优化长期依赖人工改写，而现有评测多在人为退化的设计上、用较弱的综合流程衡量收益，难以说明改写是否真能超过商用综合工具。Dr. RTL把时序分析、并行改写与商用综合、顺序等价性检查串成闭环，并把成功与失败的改写经验沉淀为可复用的模式—策略技能。在20个原始人工编写的RTL设计上，它相对商用综合平均把最差负裕量（WNS）改善21.3%、总负裕量（TNS）改善16.9%，面积减少5.8%，平均顺序等价性检查通过率为86%。

寄存器传输级（RTL）代码的优化长期依赖人工改写，而现有评测多在人为退化的设计上、用较弱的综合流程衡量收益，难以说明改写是否真能超过商用综合工具。Dr. RTL把时序分析、并行改写与商用综合、顺序等价性检查串成闭环，并把成功与失败的改写经验沉淀为可复用的模式—策略技能。在20个原始人工编写的RTL设计上，它相对商用综合平均把最差负裕量（WNS）改善21.3%、总负裕量（TNS）改善16.9%，面积减少5.8%，平均顺序等价性检查通过率为86%。

ICU脓毒症预警模型大多只回答“会不会发生”，报警之后医生仍不知道起病发生在什么情境、早期病程会怎样走。SepsisFlow把起病前逐小时风险、起病时刻的患者状态与起病后72小时器官支持轨迹放在同一条从入ICU起逐小时推进的时钟上：起病前只用床旁可见、不含抗菌药与培养医嘱的记录，在MIMIC-IV内部测试集上24小时AUROC为0.822；起病状态聚成三类情境，其28天院内死亡率分别为17.1%、15.1%和2.2%。

ICU脓毒症预警模型大多只回答“会不会发生”，报警之后医生仍不知道起病发生在什么情境、早期病程会怎样走。SepsisFlow把起病前逐小时风险、起病时刻的患者状态与起病后72小时器官支持轨迹放在同一条从入ICU起逐小时推进的时钟上：起病前只用床旁可见、不含抗菌药与培养医嘱的记录，在MIMIC-IV内部测试集上24小时AUROC为0.822；起病状态聚成三类情境，其28天院内死亡率分别为17.1%、15.1%和2.2%。

MEOW把非交互式3D分割骨干改造成开放世界交互式分割系统，全程不更新任何可学习参数。此前交互式分割只能处理开放集，即识别或拒绝未知结构，却无法把用户确认的预测积累下来。MEOW用冻结特征提取器、无参数转导推理和记忆巩固，把用户修正后的伪标签存入记忆，供后续查询直接检索；在训练中未出现的类别上，它随记忆样本增加持续改善自身预测，并能零样本迁移到微型CT和其他成像模态。

MEOW把非交互式3D分割骨干改造成开放世界交互式分割系统，全程不更新任何可学习参数。此前交互式分割只能处理开放集，即识别或拒绝未知结构，却无法把用户确认的预测积累下来。MEOW用冻结特征提取器、无参数转导推理和记忆巩固，把用户修正后的伪标签存入记忆，供后续查询直接检索；在训练中未出现的类别上，它随记忆样本增加持续改善自身预测，并能零样本迁移到微型CT和其他成像模态。

神经算子训练需要昂贵的数值解标签，而PDE输入和控制方程本身是廉价的物理信息。PI-Init把这份廉价信息用在初始化上：先在无标签输入上用物理损失预训练，再保留参数做监督微调。在Burgers、1D Advection等基准上，同等标签预算下FNO预测误差分别降低53.3%和62.7%，Burgers上仅用200条标签轨迹即优于监督训练用2000条。

神经算子训练需要昂贵的数值解标签，而PDE输入和控制方程本身是廉价的物理信息。PI-Init把这份廉价信息用在初始化上：先在无标签输入上用物理损失预训练，再保留参数做监督微调。在Burgers、1D Advection等基准上，同等标签预算下FNO预测误差分别降低53.3%和62.7%，Burgers上仅用200条标签轨迹即优于监督训练用2000条。

RIVER 是一个无需训练的多智能体检索框架，把大语言模型、生化计算工具和外部知识库组织成可追溯的证据链，用于酶到反应和反应到酶的双向检索。在来自大肠杆菌代谢组学文献的四个实验支持的酶—反应案例中，它需要在 667 个候选蛋白里排序，使用 Qwen3.6-35B-A3B 时平均倒数排名为 0.833，使用 GPT-5.6 Luna 时为 0.750，均高于表中列出的通用编码智能体组合与领域方法。在公开基准上，它在 Enzyme-405 上的 Top-1 查询成功率为 82.3%，在 Orphan-335 上为 72.8%。

RIVER 是一个无需训练的多智能体检索框架，把大语言模型、生化计算工具和外部知识库组织成可追溯的证据链，用于酶到反应和反应到酶的双向检索。在来自大肠杆菌代谢组学文献的四个实验支持的酶—反应案例中，它需要在 667 个候选蛋白里排序，使用 Qwen3.6-35B-A3B 时平均倒数排名为 0.833，使用 GPT-5.6 Luna 时为 0.750，均高于表中列出的通用编码智能体组合与领域方法。在公开基准上，它在 Enzyme-405 上的 Top-1 查询成功率为 82.3%，在 Orphan-335 上为 72.8%。

灾后建筑受损制图长期受标注限制：参数高效微调能适配地理基础模型，却仍默认有大规模可靠标签。PUMA把任务改写为正样本—未标注学习，只用少量已确认受损建筑和大量未标注建筑微调模型，并让非对比式表示细化与潜状态标签消歧互相加强。在xBD的海啸、飓风、龙卷风、野火四个事件上，PUMA在海啸、飓风、野火取得所比较方法中最高的总体精度与F1，海啸与飓风的F1分别比最强对比方法高5.98和4.47个百分点；龙卷风事件上总体精度95.72%、F1为92.88%，与表现最好的NcPU相当。

灾后建筑受损制图长期受标注限制：参数高效微调能适配地理基础模型，却仍默认有大规模可靠标签。PUMA把任务改写为正样本—未标注学习，只用少量已确认受损建筑和大量未标注建筑微调模型，并让非对比式表示细化与潜状态标签消歧互相加强。在xBD的海啸、飓风、龙卷风、野火四个事件上，PUMA在海啸、飓风、野火取得所比较方法中最高的总体精度与F1，海啸与飓风的F1分别比最强对比方法高5.98和4.47个百分点；龙卷风事件上总体精度95.72%、F1为92.88%，与表现最好的NcPU相当。

EvoDiff把主动学习的选样改成“先生成、再检索”：在特征空间里用扩散采样生成合成探针，只把被探针检索到的真实未标注超声图像交给专家标注。在覆盖15个数据集、16,696张图像、6类器官任务的评测中，它在ResNet-50与USFM两种下游模型上多数设置优于随机采样和多种主动学习基线，并以模型估计的标注工作量指标给出相对随机采样24%至84%的削减。

EvoDiff把主动学习的选样改成“先生成、再检索”：在特征空间里用扩散采样生成合成探针，只把被探针检索到的真实未标注超声图像交给专家标注。在覆盖15个数据集、16,696张图像、6类器官任务的评测中，它在ResNet-50与USFM两种下游模型上多数设置优于随机采样和多种主动学习基线，并以模型估计的标注工作量指标给出相对随机采样24%至84%的削减。

实时视频转音频长期受制于两处瓶颈：视觉前端为压低预看延迟而缩小感受野，因果扩散后端又逐块独立去噪，导致音画对齐和音质都落后于离线模型。LiveFoley 用尾随滑动窗口把现成的非因果片段级编码器改造成流式模块，无需重训练即可把前端预看降到 0.08 秒，并在后端把去噪窗口向历史扩展。在 VGGSound 测试集上，LiveFoley-48k 的 DeSync 为 0.48，与离线 MMAudio-L 的 0.47 相当，单张 A800 上端到端延迟 156 毫秒。

实时视频转音频长期受制于两处瓶颈：视觉前端为压低预看延迟而缩小感受野，因果扩散后端又逐块独立去噪，导致音画对齐和音质都落后于离线模型。LiveFoley 用尾随滑动窗口把现成的非因果片段级编码器改造成流式模块，无需重训练即可把前端预看降到 0.08 秒，并在后端把去噪窗口向历史扩展。在 VGGSound 测试集上，LiveFoley-48k 的 DeSync 为 0.48，与离线 MMAudio-L 的 0.47 相当，单张 A800 上端到端延迟 156 毫秒。

多模态大模型能准确读出图中的文字，却常常无法像读纯文本那样对同一道题推理，这种落差被称为模态推理接入差距。TIGER把纯文本数学题渲染成图片，筛出模型读文本答对、看图片答错的样本，再用图像条件下的GRPO等目标做后训练。只用合成渲染图训练，Qwen3-VL-8B在MathVerse上从54.5升到65.8，Qwen2.5-VL-7B在MathVerse上从43.9升到47.5、在EMMA上从22.2升到25.7。

多模态大模型能准确读出图中的文字，却常常无法像读纯文本那样对同一道题推理，这种落差被称为模态推理接入差距。TIGER把纯文本数学题渲染成图片，筛出模型读文本答对、看图片答错的样本，再用图像条件下的GRPO等目标做后训练。只用合成渲染图训练，Qwen3-VL-8B在MathVerse上从54.5升到65.8，Qwen2.5-VL-7B在MathVerse上从43.9升到47.5、在EMMA上从22.2升到25.7。

面向信息物理系统的运行时攻击检测，PIA让大语言模型智能体根据设备说明和正常运行数据写出泵特性、储罐质量平衡、控制器逻辑等物理残差，并在部署前用评测工作台逐条检验。在BATADAL配水网络攻击基准的测试攻击上，PIA配Claude Opus 5.5取得F1 0.878，而六种统计与深度基线中最强的一种为0.504；消融显示，不让智能体用数据检验假设会使F1最多下降0.28。

面向信息物理系统的运行时攻击检测，PIA让大语言模型智能体根据设备说明和正常运行数据写出泵特性、储罐质量平衡、控制器逻辑等物理残差，并在部署前用评测工作台逐条检验。在BATADAL配水网络攻击基准的测试攻击上，PIA配Claude Opus 5.5取得F1 0.878，而六种统计与深度基线中最强的一种为0.504；消融显示，不让智能体用数据检验假设会使F1最多下降0.28。

胸片自动报告常写得通顺，却看不出哪块图像证据支撑了哪条结论。ARIVE把解剖区域检查与诊断推理交替进行，再据此撰写报告，训练数据为从MIMIC-CXR整理的159,416条多模态思维链轨迹。在MIMIC-CXR与仅含异常病例的MIMIC-ABN上，其临床效能指标整体高于所比较的模型；100例盲评中报告质量与Qwen3.5相近，平均分3.47对3.51，参考报告为3.88。

胸片自动报告常写得通顺，却看不出哪块图像证据支撑了哪条结论。ARIVE把解剖区域检查与诊断推理交替进行，再据此撰写报告，训练数据为从MIMIC-CXR整理的159,416条多模态思维链轨迹。在MIMIC-CXR与仅含异常病例的MIMIC-ABN上，其临床效能指标整体高于所比较的模型；100例盲评中报告质量与Qwen3.5相近，平均分3.47对3.51，参考报告为3.88。

机械臂的逆运动学通常由数值求解器加人工整定的控制器完成，PolicyIK把这一环节改成目标条件强化学习策略，通过关节位置接口从位姿反馈更新关节参考。在仿真的7自由度OpenArm上，训练后的PPO策略单次尝试在93.5%的留出任务上把最后1秒的平均误差保持在1毫米以内，部署协议把成功率提高到98.9%；在实体臂上直接训练时，其到达与保持成功率高于四种经典逆运动学控制器。

机械臂的逆运动学通常由数值求解器加人工整定的控制器完成，PolicyIK把这一环节改成目标条件强化学习策略，通过关节位置接口从位姿反馈更新关节参考。在仿真的7自由度OpenArm上，训练后的PPO策略单次尝试在93.5%的留出任务上把最后1秒的平均误差保持在1毫米以内，部署协议把成功率提高到98.9%；在实体臂上直接训练时，其到达与保持成功率高于四种经典逆运动学控制器。

雷达三维感知长期先把原始频谱压成稀疏点云或紧凑多普勒统计量，再交给监督学习。L-SPMAE 改用掩码自监督：把在局部破坏下仍可重建的部分视为信号，并用频谱泄漏模拟这种破坏，直接从未压缩的雷达频谱预训练。在 K-Radar 上，采用 RAD 表示的 L-SPMAE 微调后 mAP 达 55.9/50.1，高于表中点云自监督基线的最佳 50.8/45.0。

雷达三维感知长期先把原始频谱压成稀疏点云或紧凑多普勒统计量，再交给监督学习。L-SPMAE 改用掩码自监督：把在局部破坏下仍可重建的部分视为信号，并用频谱泄漏模拟这种破坏，直接从未压缩的雷达频谱预训练。在 K-Radar 上，采用 RAD 表示的 L-SPMAE 微调后 mAP 达 55.9/50.1，高于表中点云自监督基线的最佳 50.8/45.0。

GraphRAG 通过实体关系把跨文档信息连起来，但黑盒查询也能被用来重建知识图谱，泄露实体之间是否相连以及关系含义。RelGuard 在建立索引前先改写源文档：按实体类型生成候选关系，再用指数机制为每条关系抽取一个替换谓词或删除该关系，并给出关系级差分隐私保证。在 LightRAG、PathRAG 和 HippoRAG 2 三个系统、两个数据集和两种重建攻击上，它的关系恢复 F1 比最强基线低 26.98 至 44.35 个百分点，问答 F1 的额外损失在多数设置下为 0.59 至 4.78 个百分点。

GraphRAG 通过实体关系把跨文档信息连起来，但黑盒查询也能被用来重建知识图谱，泄露实体之间是否相连以及关系含义。RelGuard 在建立索引前先改写源文档：按实体类型生成候选关系，再用指数机制为每条关系抽取一个替换谓词或删除该关系，并给出关系级差分隐私保证。在 LightRAG、PathRAG 和 HippoRAG 2 三个系统、两个数据集和两种重建攻击上，它的关系恢复 F1 比最强基线低 26.98 至 44.35 个百分点，问答 F1 的额外损失在多数设置下为 0.59 至 4.78 个百分点。

音频语言模型的基准分数可能把语言能力误当成声学理解。研究用合成朗读和转写文本作参照，在6个基准的92项任务上测量原始录音相对文字的增益，发现19个开源模型在说话人、情绪等整体属性任务和重音、语调等录音内结构任务上落后Gemini 3.1 Pro 28.6和41.9个百分点，其中约一半以上来自录音增益。在Gemma-4 12B和Qwen2.5-Omni-7B的读出下降层训练LoRA适配器并加内容锚点后，两类任务准确率提升12.8至44.4个百分点，词汇任务平均准确率保持在基座模型1个百分点以内。

音频语言模型的基准分数可能把语言能力误当成声学理解。研究用合成朗读和转写文本作参照，在6个基准的92项任务上测量原始录音相对文字的增益，发现19个开源模型在说话人、情绪等整体属性任务和重音、语调等录音内结构任务上落后Gemini 3.1 Pro 28.6和41.9个百分点，其中约一半以上来自录音增益。在Gemma-4 12B和Qwen2.5-Omni-7B的读出下降层训练LoRA适配器并加内容锚点后，两类任务准确率提升12.8至44.4个百分点，词汇任务平均准确率保持在基座模型1个百分点以内。

PatternBloom 把智能体检索增强生成（RAG）的检索单位从“读什么内容”改为“怎么推理”的类型化图骨架，骨架由第一阶段强化学习高分轨迹蒸馏进外部图模式记忆，第二阶段再用模式覆盖奖励把策略与这份冻结记忆耦合。在七个问答基准上，7B 版本在全部七项数据集上按 EM 与 F1 排名第一，平均分布外 EM 领先 R1-Searcher，且同一冻结模式记忆可迁移到 Qwen3-8B 骨干。

PatternBloom 把智能体检索增强生成（RAG）的检索单位从“读什么内容”改为“怎么推理”的类型化图骨架，骨架由第一阶段强化学习高分轨迹蒸馏进外部图模式记忆，第二阶段再用模式覆盖奖励把策略与这份冻结记忆耦合。在七个问答基准上，7B 版本在全部七项数据集上按 EM 与 F1 排名第一，平均分布外 EM 领先 R1-Searcher，且同一冻结模式记忆可迁移到 Qwen3-8B 骨干。

针对只允许改动少量像素的ℓ0扰动，FocusBranch把“至多k个像素被扰动”的约束改写为由焦点像素集与层级组成的节点，使验证可以在不同层级上分支。它用覆盖设计生成超节点、用上影生成具体节点，并按采样估计选择起始层级。在13个网络、3189个候选实例上，它验证了2799个；在740个候选实例的对比中验证641个，而CoVerD+top-k-GP为375个。

针对只允许改动少量像素的ℓ0扰动，FocusBranch把“至多k个像素被扰动”的约束改写为由焦点像素集与层级组成的节点，使验证可以在不同层级上分支。它用覆盖设计生成超节点、用上影生成具体节点，并按采样估计选择起始层级。在13个网络、3189个候选实例上，它验证了2799个；在740个候选实例的对比中验证641个，而CoVerD+top-k-GP为375个。

大模型的安全能力在不同语言间并不一致，同一有害请求换一种语言就可能绕过拒答。研究者先在每种语言内部独立找出与安全行为相关的神经元，再取六种语言候选集合的交集，得到跨语言共享的“安全内核”，并用激活抑制和激活状态迁移验证其功能作用。在此基础上提出的SK-Masked LoRA只把微调更新限制在安全内核对应的前馈网络输出维度上，在多个模型和多语言安全基准上降低攻击成功率，对未参与内核发现的语言也有一定效果。

大模型的安全能力在不同语言间并不一致，同一有害请求换一种语言就可能绕过拒答。研究者先在每种语言内部独立找出与安全行为相关的神经元，再取六种语言候选集合的交集，得到跨语言共享的“安全内核”，并用激活抑制和激活状态迁移验证其功能作用。在此基础上提出的SK-Masked LoRA只把微调更新限制在安全内核对应的前馈网络输出维度上，在多个模型和多语言安全基准上降低攻击成功率，对未参与内核发现的语言也有一定效果。

蛋白质构象集合生成此前把残基间的协调运动隐含在学到的分布里，难以直接控制。CoMoFlow从平衡结构构造蛋白特异的集体模式，学习这些模式系数在分子动力学集合中的分布，再用采样得到的集体位移通过特征条件化和平移先验重定心引导SE(3)流匹配。在ATLAS与从头设计蛋白两个基准上，它相对BBFlow把DCCM相关从0.87/0.83提高到0.93/0.89、PCA距离从1.33/0.67降到1.21/0.59，并支持沿选定模式按方向和幅度调节生成构象。

蛋白质构象集合生成此前把残基间的协调运动隐含在学到的分布里，难以直接控制。CoMoFlow从平衡结构构造蛋白特异的集体模式，学习这些模式系数在分子动力学集合中的分布，再用采样得到的集体位移通过特征条件化和平移先验重定心引导SE(3)流匹配。在ATLAS与从头设计蛋白两个基准上，它相对BBFlow把DCCM相关从0.87/0.83提高到0.93/0.89、PCA距离从1.33/0.67降到1.21/0.59，并支持沿选定模式按方向和幅度调节生成构象。

图神经网络能从原子与键构成的图里学到结构—性质关系，但这些关系留在隐空间里，难以读成科学规则。图符号蒸馏（GSD）先用受约束的消息传递架构搜索确定信息如何逐层传递与聚合，再把每一层学到的变换逐层拟合为稀疏符号表达式，并保留图连接与聚合操作。在卤化物钙钛矿带隙、分子水合自由能和过渡金属表面多齿吸附三个案例中，它从基本节点与边特征出发重建出专家描述符，并给出可检验的局部几何、极性—尺寸与电子—连接性关系。

图神经网络能从原子与键构成的图里学到结构—性质关系，但这些关系留在隐空间里，难以读成科学规则。图符号蒸馏（GSD）先用受约束的消息传递架构搜索确定信息如何逐层传递与聚合，再把每一层学到的变换逐层拟合为稀疏符号表达式，并保留图连接与聚合操作。在卤化物钙钛矿带隙、分子水合自由能和过渡金属表面多齿吸附三个案例中，它从基本节点与边特征出发重建出专家描述符，并给出可检验的局部几何、极性—尺寸与电子—连接性关系。

概率型PDE神经代理在少步推理时常常过度自信，预测分布比真实不确定性窄。TORNADO把下一步预测写成相邻两个VAE编码后验之间的随机输运，并让扩散幅度由神经网络随潜状态给出，而不是沿用固定的全局噪声表。在Kolmogorov、KS、Burgers、Gray-Scott四个合成数据集上，固定5次网络评估时它的校准误差最低，相对代表性基线约缩小2倍到5倍以上，同时保持可比的预测精度。

概率型PDE神经代理在少步推理时常常过度自信，预测分布比真实不确定性窄。TORNADO把下一步预测写成相邻两个VAE编码后验之间的随机输运，并让扩散幅度由神经网络随潜状态给出，而不是沿用固定的全局噪声表。在Kolmogorov、KS、Burgers、Gray-Scott四个合成数据集上，固定5次网络评估时它的校准误差最低，相对代表性基线约缩小2倍到5倍以上，同时保持可比的预测精度。

反问题的逆映射在间断点附近无法被连续网络一致逼近，因此改为学习可微的前向算子及其导数，把它作为Landweber迭代的替身。在椭圆方程反应系数识别中，四种替身都能重建分布内真值与含尖锐夹杂的真值，但去掉预条件后其中三种在精确数据下提前半收敛并出现高频伪结构；沿固定方向做导数监督几乎不改变最佳重建。

反问题的逆映射在间断点附近无法被连续网络一致逼近，因此改为学习可微的前向算子及其导数，把它作为Landweber迭代的替身。在椭圆方程反应系数识别中，四种替身都能重建分布内真值与含尖锐夹杂的真值，但去掉预条件后其中三种在精确数据下提前半收敛并出现高频伪结构；沿固定方向做导数监督几乎不改变最佳重建。

中子三轴谱仪的一次测量要同时依赖论文、仪器日志、数据文件和专业软件，这些证据此前分散在不同环节，难以追溯。TASCopilot 把这些来源、处理步骤和人工复核决定记录成可检查的证据链，语言模型只负责抽取信息和解释结果，科学计算、校验规则与人工复核决定证据能否支持结论。在 NIST 中子研究中心 BT-7 谱仪上，它从被故意移开 40° 的取向恢复样品转角，与取向矩阵预测相差 0.08°，并完成 40 点自适应测量，40 点全部计数、无拒绝。

中子三轴谱仪的一次测量要同时依赖论文、仪器日志、数据文件和专业软件，这些证据此前分散在不同环节，难以追溯。TASCopilot 把这些来源、处理步骤和人工复核决定记录成可检查的证据链，语言模型只负责抽取信息和解释结果，科学计算、校验规则与人工复核决定证据能否支持结论。在 NIST 中子研究中心 BT-7 谱仪上，它从被故意移开 40° 的取向恢复样品转角，与取向矩阵预测相差 0.08°，并完成 40 点自适应测量，40 点全部计数、无拒绝。

标准神经过程把输入当作无噪声观测，传感器测量误差会让预测和不确定性估计同时失真。DnNP在神经过程框架内把干净输入设为隐变量，用变分推断让一个去噪器与元学习联合训练，从而在含噪输入上直接给出预测。在马萨诸塞州布鲁克莱恩34个空气质量传感器采集的PM2.5空间插值数据上，相对标准神经过程，DnNP的RMSE最多降低30%、NLL最多降低73%。

标准神经过程把输入当作无噪声观测，传感器测量误差会让预测和不确定性估计同时失真。DnNP在神经过程框架内把干净输入设为隐变量，用变分推断让一个去噪器与元学习联合训练，从而在含噪输入上直接给出预测。在马萨诸塞州布鲁克莱恩34个空气质量传感器采集的PM2.5空间插值数据上，相对标准神经过程，DnNP的RMSE最多降低30%、NLL最多降低73%。

在电池套利中，若电池每日起止电量相同，价格整体平移只通过往返损耗影响调度，因此决策导向损失对预测的整体水平识别很弱；把预测裁剪到价格上限虽能降低预测误差，却可能削掉可盈利的价差。印度日前市场1158个留出日上，三个统计预测的等权平均比测试的五种决策导向变体表现更好，53个后期高价日上也没有变体超过回归或等权平均。

在电池套利中，若电池每日起止电量相同，价格整体平移只通过往返损耗影响调度，因此决策导向损失对预测的整体水平识别很弱；把预测裁剪到价格上限虽能降低预测误差，却可能削掉可盈利的价差。印度日前市场1158个留出日上，三个统计预测的等权平均比测试的五种决策导向变体表现更好，53个后期高价日上也没有变体超过回归或等权平均。

Muse Spark Open 的解码速度从基线 517 tok/s 提升到 1,109 tok/s，做法是把每一层的注意力和 MoE 合成一个常驻 GPU 的内核，让权重加载、张量核心计算和跨卡通信在同一时刻重叠进行。此前 SGLang 每个解码步要依次启动约 1,450 个内核，内核之间 GPU 会排空再填充，部分 SM 和线程处于空闲。该结果在 Blackwell GPU 上以批大小为 1、配合 DFlash V2 推测解码测得，尚未扩展到更大批量。

Muse Spark Open 的解码速度从基线 517 tok/s 提升到 1,109 tok/s，做法是把每一层的注意力和 MoE 合成一个常驻 GPU 的内核，让权重加载、张量核心计算和跨卡通信在同一时刻重叠进行。此前 SGLang 每个解码步要依次启动约 1,450 个内核，内核之间 GPU 会排空再填充，部分 SM 和线程处于空闲。该结果在 Blackwell GPU 上以批大小为 1、配合 DFlash V2 推测解码测得，尚未扩展到更大批量。

低秩适配（LoRA）把权重更新拆成两个小矩阵相乘，但两者范数在训练中常相差悬殊，造成梯度流不平衡和训练不稳定。SingLoRA把更新改写为单个低秩矩阵乘自身转置，从构造上消除矩阵间尺度冲突，并把可训练参数减少约一半。在MNLI上微调LLaMA-7B时，SingLoRA取得91.3%准确率，高于LoRA的89.1%和LoRA+的90.2%，而只用了它们60%的参数预算。

低秩适配（LoRA）把权重更新拆成两个小矩阵相乘，但两者范数在训练中常相差悬殊，造成梯度流不平衡和训练不稳定。SingLoRA把更新改写为单个低秩矩阵乘自身转置，从构造上消除矩阵间尺度冲突，并把可训练参数减少约一半。在MNLI上微调LLaMA-7B时，SingLoRA取得91.3%准确率，高于LoRA的89.1%和LoRA+的90.2%，而只用了它们60%的参数预算。

三维CT的病灶定位通常需要专家逐体素勾画，代价高且难以覆盖多种病变。Uni-Loc把分类头换成病理查询与空间特征的相似度打分，让同一组分数既给出扫描级诊断又生成三维定位图，并配合梯度引导阈值勾出病灶区域。在355例带体素标注的五个定位任务上，其宏平均体素级AUROC/AUPR为96.1%/34.5%，高于相关性传播的80.7%/13.9%与梯度显著性的88.7%/8.1%。

三维CT的病灶定位通常需要专家逐体素勾画，代价高且难以覆盖多种病变。Uni-Loc把分类头换成病理查询与空间特征的相似度打分，让同一组分数既给出扫描级诊断又生成三维定位图，并配合梯度引导阈值勾出病灶区域。在355例带体素标注的五个定位任务上，其宏平均体素级AUROC/AUPR为96.1%/34.5%，高于相关性传播的80.7%/13.9%与梯度显著性的88.7%/8.1%。

HIV的接触网络在规模上几乎无法采集，而同伴转介网络虽可数字化收集，却会因非风险社交边和每人只接受一次转介而偏离真实接触结构。R2C-Agent把转介过程当作对接触网络的逐步破坏并学习反向还原，在采样出的接触网络上规划干预。在ICPSR真实HIV网络数据上，其总遗憾在强化治疗与定向PrEP两项任务上分别比最强基线低54.9%和28.8%。

HIV的接触网络在规模上几乎无法采集，而同伴转介网络虽可数字化收集，却会因非风险社交边和每人只接受一次转介而偏离真实接触结构。R2C-Agent把转介过程当作对接触网络的逐步破坏并学习反向还原，在采样出的接触网络上规划干预。在ICPSR真实HIV网络数据上，其总遗憾在强化治疗与定向PrEP两项任务上分别比最强基线低54.9%和28.8%。

苹果公司团队把腕部光电容积脉搏波（PPG，用绿光测皮下微血管血容量变化的信号）与餐食文字描述对齐，训练出营养PPG语言模型NPLM，检验被动采集的脉搏波形是否携带进食信息。在19,340名受试者的1,122,834条餐食描述上，近餐时段的PPG把餐食描述的对数似然推高到胜率0.69，而保留同一受试者与时段、只打乱餐食配对的对照为0.60，跨受试者打乱则落在0.50的随机水平。该信号在独立验证队列中不经再训练即可把餐后饱腹感预测的AUC从0.64提高到0.71，作者将其定位为对文字饮食记录的补充而非替代。

苹果公司团队把腕部光电容积脉搏波（PPG，用绿光测皮下微血管血容量变化的信号）与餐食文字描述对齐，训练出营养PPG语言模型NPLM，检验被动采集的脉搏波形是否携带进食信息。在19,340名受试者的1,122,834条餐食描述上，近餐时段的PPG把餐食描述的对数似然推高到胜率0.69，而保留同一受试者与时段、只打乱餐食配对的对照为0.60，跨受试者打乱则落在0.50的随机水平。该信号在独立验证队列中不经再训练即可把餐后饱腹感预测的AUC从0.64提高到0.71，作者将其定位为对文字饮食记录的补充而非替代。

Ai2 发布 ToyBlocks，一个围绕机械臂与桌面方块搭建的开源仿真框架，属于其 FoundationWorlds 系列的第一个受控世界。它自动生成任务与演示数据，并给出成功率之外的执行速度、受力和任务进度等指标，让研究者能改变训练数据或模型设计后重复测试、追溯失败原因。在真机零样本测试中，ManiFlow 的原子技能成功率在仿真与现实中分别为 80.0% 和 81.1%。

Ai2 发布 ToyBlocks，一个围绕机械臂与桌面方块搭建的开源仿真框架，属于其 FoundationWorlds 系列的第一个受控世界。它自动生成任务与演示数据，并给出成功率之外的执行速度、受力和任务进度等指标，让研究者能改变训练数据或模型设计后重复测试、追溯失败原因。在真机零样本测试中，ManiFlow 的原子技能成功率在仿真与现实中分别为 80.0% 和 81.1%。

英伟达发布面向车载部署的推理型视觉-语言-动作模型 Alpamayo 2 Edge，以20亿参数的 Nemotron 推理骨干搭配扩散动作专家，在 DRIVE AGX Thor 上按需生成因果链推理与未来轨迹。在 AlpaGym 中做闭环强化学习后训练，使其闭环驾驶表现比未做该后训练的最佳检查点提升48.9%；按官方部署配方优化后，像素到轨迹的推理延迟为160至190毫秒，具体取决于推理量。

英伟达发布面向车载部署的推理型视觉-语言-动作模型 Alpamayo 2 Edge，以20亿参数的 Nemotron 推理骨干搭配扩散动作专家，在 DRIVE AGX Thor 上按需生成因果链推理与未来轨迹。在 AlpaGym 中做闭环强化学习后训练，使其闭环驾驶表现比未做该后训练的最佳检查点提升48.9%；按官方部署配方优化后，像素到轨迹的推理延迟为160至190毫秒，具体取决于推理量。

权重空间编程让语言模型直接读写神经网络权重，此前只在游戏网络和语言模型上演示过。这项研究把它用到脑电与心电模型上：Claude Opus 5.5 在没有任何梯度步骤、只给5名练习受试者的情况下，写出 TinyEEGNet 全部2730个权重，在65名未见受试者上取得0.834的平衡准确率，与同架构用30名受试者常规训练的0.806相当，高于用5名训练的0.704；但它无法从权重判断网络任务，也无法改进已训练良好的网络。

权重空间编程让语言模型直接读写神经网络权重，此前只在游戏网络和语言模型上演示过。这项研究把它用到脑电与心电模型上：Claude Opus 5.5 在没有任何梯度步骤、只给5名练习受试者的情况下，写出 TinyEEGNet 全部2730个权重，在65名未见受试者上取得0.834的平衡准确率，与同架构用30名受试者常规训练的0.806相当，高于用5名训练的0.704；但它无法从权重判断网络任务，也无法改进已训练良好的网络。

EarthRecord把56个站点、1984至2026年的Landsat、MODIS、VIIRS与Sentinel-2原始档案直接交给多模态智能体，云掩膜与跨传感器协调都不预处理，共设238个土地变化问题。十二个模型中，四个领先者在226个可计算与识别问题上三遍全对的比例为81.0%至85.4%；六个领先模型在直接由记录变量计算的问题上达92.0%，在需要从影像制图的问题上降到61.1%。在仪器对照中，原本正确的答案有53.5%随被改动的卫星数据转向错误。

EarthRecord把56个站点、1984至2026年的Landsat、MODIS、VIIRS与Sentinel-2原始档案直接交给多模态智能体，云掩膜与跨传感器协调都不预处理，共设238个土地变化问题。十二个模型中，四个领先者在226个可计算与识别问题上三遍全对的比例为81.0%至85.4%；六个领先模型在直接由记录变量计算的问题上达92.0%，在需要从影像制图的问题上降到61.1%。在仪器对照中，原本正确的答案有53.5%随被改动的卫星数据转向错误。

单细胞方法基准测试长期受制于真实数据标注昂贵、且只能反映一种观测条件。scDeepSim 把细胞表达编码到按细胞类型、批次和残差分开的潜子空间，再用潜扩散模型学习这些表示的分布，生成时只改动目标子空间，从而按用户设定的强度施加批次效应或构造分支轨迹。在 scIB 人类胰腺数据上，结构化模型在干预强度 α=1 时细胞类型平均轮廓宽度为 0.519，普通变分自编码器为 0.432。

单细胞方法基准测试长期受制于真实数据标注昂贵、且只能反映一种观测条件。scDeepSim 把细胞表达编码到按细胞类型、批次和残差分开的潜子空间，再用潜扩散模型学习这些表示的分布，生成时只改动目标子空间，从而按用户设定的强度施加批次效应或构造分支轨迹。在 scIB 人类胰腺数据上，结构化模型在干预强度 α=1 时细胞类型平均轮廓宽度为 0.519，普通变分自编码器为 0.432。

MIT研究团队提出一种训练数据优化方法，让气候模拟器只用精心挑选的合成情景训练，就能预测训练中未见过的新情景，而传统模拟器在新情景上无法适应。该方法把生成训练数据所需的全尺度地球系统模型运行次数从六到八次降到一次，从而缩短这类快速代理模型的制作周期。研究还显示，用该方法训练的模拟器能刻画局部污染物控制的效果，即一种污染物下降而其他排放继续上升的情景。

MIT研究团队提出一种训练数据优化方法，让气候模拟器只用精心挑选的合成情景训练，就能预测训练中未见过的新情景，而传统模拟器在新情景上无法适应。该方法把生成训练数据所需的全尺度地球系统模型运行次数从六到八次降到一次，从而缩短这类快速代理模型的制作周期。研究还显示，用该方法训练的模拟器能刻画局部污染物控制的效果，即一种污染物下降而其他排放继续上升的情景。

针对P-糖蛋白外排限制小分子药物生物利用度和中枢神经系统暴露的问题，SF-GA把片段协同分析嵌入遗传算法的突变环节，优先用与非底物类别共现的子结构替换片段，从而在保留骨架的前提下把预测的P-糖蛋白底物改写为预测非底物。在固定函数评估预算的PMO基准上，SF-GA的优化表现与GB-GA、REINVENT、FragGT相当，同时在所有被测方法中取得最高的平均RAscore（0.932）。这些分子仍是计算预测的假想结构，非底物行为尚未经实验验证。

针对P-糖蛋白外排限制小分子药物生物利用度和中枢神经系统暴露的问题，SF-GA把片段协同分析嵌入遗传算法的突变环节，优先用与非底物类别共现的子结构替换片段，从而在保留骨架的前提下把预测的P-糖蛋白底物改写为预测非底物。在固定函数评估预算的PMO基准上，SF-GA的优化表现与GB-GA、REINVENT、FragGT相当，同时在所有被测方法中取得最高的平均RAscore（0.932）。这些分子仍是计算预测的假想结构，非底物行为尚未经实验验证。

在非均匀介质中，要让波场在指定时刻呈现给定形状，需要反推初始压力分布，而此前每个目标、每种介质都要重新做一次数值反演。JAX-WAVE 训练一个共享神经网络，直接由目标终端场和已知波速图预测有界初始压力，训练信号来自可微的时域有限差分解算器，不需要预先优化好的控制标签。在独立的确认集上，三个训练模型对未见介质分别取得几何目标 25.24%、可达目标 4.77% 的误差；在 5 毫秒中位在线预算下，该映射把非均匀基准上的平均误差相对加速数值反演降低 45%。

在非均匀介质中，要让波场在指定时刻呈现给定形状，需要反推初始压力分布，而此前每个目标、每种介质都要重新做一次数值反演。JAX-WAVE 训练一个共享神经网络，直接由目标终端场和已知波速图预测有界初始压力，训练信号来自可微的时域有限差分解算器，不需要预先优化好的控制标签。在独立的确认集上，三个训练模型对未见介质分别取得几何目标 25.24%、可达目标 4.77% 的误差；在 5 毫秒中位在线预算下，该映射把非均匀基准上的平均误差相对加速数值反演降低 45%。

严重结核CT上，空洞和实变因密度接近软组织而被R231等分割模型排除在肺掩膜之外。LungMend把掩膜修正当作形状补全：在57例健康肺上训练潜空间扩散先验，用模拟分割失败的损坏掩膜和不受病变影响的骨骼解剖作条件，不使用任何病理数据或CT强度。在20例重度结核的200张放射科医生修正切片上，Dice为0.986、平均表面距离0.57 mm，空洞与实变召回分别为0.993和0.981。

严重结核CT上，空洞和实变因密度接近软组织而被R231等分割模型排除在肺掩膜之外。LungMend把掩膜修正当作形状补全：在57例健康肺上训练潜空间扩散先验，用模拟分割失败的损坏掩膜和不受病变影响的骨骼解剖作条件，不使用任何病理数据或CT强度。在20例重度结核的200张放射科医生修正切片上，Dice为0.986、平均表面距离0.57 mm，空洞与实变召回分别为0.993和0.981。

路径积分扩散（PID）从点源出发生成有限伊辛自旋玻璃时，轨迹先选定零场测度的两个镜像半区之一，再在所选半区内决定玻璃态类别。理论表明，各向同性 PID 只是换了一个时钟的高斯随机局域化，协议只改变决定发生的时刻与代价，不改变决定的内容；在可精确枚举的 Bethe 与 SK 玻璃上，嵌套的玻璃态层级往往被合并成一到两个决定事件，且这些类别在玻璃转变附近出现、在降温中保持身份，而同图铁磁体中没有。

路径积分扩散（PID）从点源出发生成有限伊辛自旋玻璃时，轨迹先选定零场测度的两个镜像半区之一，再在所选半区内决定玻璃态类别。理论表明，各向同性 PID 只是换了一个时钟的高斯随机局域化，协议只改变决定发生的时刻与代价，不改变决定的内容；在可精确枚举的 Bethe 与 SK 玻璃上，嵌套的玻璃态层级往往被合并成一到两个决定事件，且这些类别在玻璃转变附近出现、在降温中保持身份，而同图铁磁体中没有。

Drex 把“做选择”从生成文本改成一次前向打分：给定上下文、问题和候选选项，模型直接为每个选项输出概率，不再解析大模型写出的答案。四个开源决策模型中最大的 Drex Max 在 Decision Index 0.4.1 公开套件上得 67.52，对比 Jev 1.14.0 的 60.70；加入私有测试后分数下降不到一分。它在 Decision Bench v4 的原始图像输入下与 d3-turbo、GPT-6 Sol 统计上持平，典型请求耗时 183 毫秒。

Drex 把“做选择”从生成文本改成一次前向打分：给定上下文、问题和候选选项，模型直接为每个选项输出概率，不再解析大模型写出的答案。四个开源决策模型中最大的 Drex Max 在 Decision Index 0.4.1 公开套件上得 67.52，对比 Jev 1.14.0 的 60.70；加入私有测试后分数下降不到一分。它在 Decision Bench v4 的原始图像输入下与 d3-turbo、GPT-6 Sol 统计上持平，典型请求耗时 183 毫秒。

病理基础模型在H&E图像上做单细胞空间基因表达预测时，冻结的图块级嵌入迁移效果很差：在5K基因面板上，平均逐基因皮尔逊相关系数从伪点级的0.375降到单细胞级的0.065。一组面向单细胞的轻量适配——细胞局部token池化、40倍视野输入、泊松计数监督和LoRA微调——把同一面板的相关系数提升到0.174，并在5K面板上以0.800的AUROC超过SpatialEx的0.642。提升主要来自空间可变基因和疾病相关基因，全面板的绝对相关仍偏低。

病理基础模型在H&E图像上做单细胞空间基因表达预测时，冻结的图块级嵌入迁移效果很差：在5K基因面板上，平均逐基因皮尔逊相关系数从伪点级的0.375降到单细胞级的0.065。一组面向单细胞的轻量适配——细胞局部token池化、40倍视野输入、泊松计数监督和LoRA微调——把同一面板的相关系数提升到0.174，并在5K面板上以0.800的AUROC超过SpatialEx的0.642。提升主要来自空间可变基因和疾病相关基因，全面板的绝对相关仍偏低。

Meta 的 Intelligent Delivery 把广告投放中的算力分配交给一套机器学习驱动的自适应优化层，按每个请求、模型、硬件和排序阶段的边际收益调度资源。自 2017 年至 2026 年上半年，它在模型与系统自身进步之上带来约 10% 的广告排序性能增量。系统先用共享的 Resource Core Model 理解请求，再分层决定区域、硬件与主机内配额，并让 AI 智能体提出并验证配置改动，工程师保留最终审批。

Meta 的 Intelligent Delivery 把广告投放中的算力分配交给一套机器学习驱动的自适应优化层，按每个请求、模型、硬件和排序阶段的边际收益调度资源。自 2017 年至 2026 年上半年，它在模型与系统自身进步之上带来约 10% 的广告排序性能增量。系统先用共享的 Resource Core Model 理解请求，再分层决定区域、硬件与主机内配额，并让 AI 智能体提出并验证配置改动，工程师保留最终审批。

无人机航拍里，被指代的目标常常只占几十个像素，还挤在一群外观相似的车辆或行人中，生成式编辑器能画出轮廓却可能选错实例。DroneSegEdit 冻结开源的 LongCat-Image-Edit，只训练轻量 LoRA 渲染候选区域，再用语言锚定的空间核验器在候选内部剔除与指代表达不符的前景。在 RIS-LAD 完整官方测试集上，它取得 52.78 mIoU，比此前最好的 ReSaP-8B 高 7.16 点；在 UAVid-RIS 与 VDD-RIS 上整体保持竞争力，车辆、行人等紧凑类别的提升最明显。

无人机航拍里，被指代的目标常常只占几十个像素，还挤在一群外观相似的车辆或行人中，生成式编辑器能画出轮廓却可能选错实例。DroneSegEdit 冻结开源的 LongCat-Image-Edit，只训练轻量 LoRA 渲染候选区域，再用语言锚定的空间核验器在候选内部剔除与指代表达不符的前景。在 RIS-LAD 完整官方测试集上，它取得 52.78 mIoU，比此前最好的 ReSaP-8B 高 7.16 点；在 UAVid-RIS 与 VDD-RIS 上整体保持竞争力，车辆、行人等紧凑类别的提升最明显。

马拉维多病种智能体仿真Thanzi La Onse把道路交通事故伤害模块的逐事件模拟，换成在智能体层面直接采样结局的条件表格生成对抗网络。50次独立运行中，平均CPU运行时间提升86.6%（95%自助法置信区间[85.2, 88.1]），按年龄、性别和年份平均的伤残调整寿命年均值误差为13%，多病种动态仍被正确恢复。

马拉维多病种智能体仿真Thanzi La Onse把道路交通事故伤害模块的逐事件模拟，换成在智能体层面直接采样结局的条件表格生成对抗网络。50次独立运行中，平均CPU运行时间提升86.6%（95%自助法置信区间[85.2, 88.1]），按年龄、性别和年份平均的伤残调整寿命年均值误差为13%，多病种动态仍被正确恢复。

气体高次谐波产生的转换效率在气压—介质长度平面上呈双曲脊线，常规贝叶斯优化用欧氏距离建模，难以还原这种结构。把已知的物理标度关系写成搜索空间的非线性坐标变换后，高斯过程代理在二维压力—长度空间用60次迭代把与参考网格的结构相似度从0.77提高到0.98，并在四维空间以1024个独立参考点检验重建精度。方法还配合阈值型采集函数，标出成片的高效率工作区，而不只是单个最优点。

气体高次谐波产生的转换效率在气压—介质长度平面上呈双曲脊线，常规贝叶斯优化用欧氏距离建模，难以还原这种结构。把已知的物理标度关系写成搜索空间的非线性坐标变换后，高斯过程代理在二维压力—长度空间用60次迭代把与参考网格的结构相似度从0.77提高到0.98，并在四维空间以1024个独立参考点检验重建精度。方法还配合阈值型采集函数，标出成片的高效率工作区，而不只是单个最优点。

苏黎世大学与苏黎世联邦理工学院的团队提出循环神经网络CURRENT，用同一套网络完成主动脉4D flow MRI的空间、时间与时空超分辨。在合成数据上，它的空间超分辨方向误差为0.072±0.037，低于4DFlowNet的0.097±0.053；时间超分辨方向误差为0.062±0.031，与T4DFlowNet的0.064±0.031接近。时空超分辨得到的相对压降估计比单独空间或时间超分辨更接近高分辨参考，模型只用合成数据训练，在体数据上表现出可用的泛化迹象。

苏黎世大学与苏黎世联邦理工学院的团队提出循环神经网络CURRENT，用同一套网络完成主动脉4D flow MRI的空间、时间与时空超分辨。在合成数据上，它的空间超分辨方向误差为0.072±0.037，低于4DFlowNet的0.097±0.053；时间超分辨方向误差为0.062±0.031，与T4DFlowNet的0.064±0.031接近。时空超分辨得到的相对压降估计比单独空间或时间超分辨更接近高分辨参考，模型只用合成数据训练，在体数据上表现出可用的泛化迹象。

ElecLoad把天气预报、电网通知和新闻里的事件描述与历史负荷一起读，先判断每个事件对目标负荷的相关性、影响时段以及事件之间是相互加强还是抵消，再决定整段直接预测还是按事件影响变化切段。切段后各子智能体独立给出初稿，主智能体检查并只对选中的段反馈修正。在GEFCom2014、PJM、LCL等小时级负荷数据上，它在多数评测场景排名靠前；PJM多事件条件下WAPE为3.69%，同一模型与输入的仅直接预测变体为4.31%。

ElecLoad把天气预报、电网通知和新闻里的事件描述与历史负荷一起读，先判断每个事件对目标负荷的相关性、影响时段以及事件之间是相互加强还是抵消，再决定整段直接预测还是按事件影响变化切段。切段后各子智能体独立给出初稿，主智能体检查并只对选中的段反馈修正。在GEFCom2014、PJM、LCL等小时级负荷数据上，它在多数评测场景排名靠前；PJM多事件条件下WAPE为3.69%，同一模型与输入的仅直接预测变体为4.31%。

全波形激光雷达（FWL）为每个像素记录完整回波直方图，数据量远大于点云，此前基于Transformer的FWL模型推理速度只有每秒数帧，达不到实时要求。FWL-ToPM按信号强度剪除低强度背景块、再沿保持空间邻近的曲线合并剩余块，在Ghost-FWL基准上把F1均值从0.503提升到0.592，同时达到53.2 FPS。配套的FWLAug在保留每条射线飞行时间波形与视锥几何的前提下扩充训练样本，在未见场景的分布外测试集上带来4.6点F1提升。

全波形激光雷达（FWL）为每个像素记录完整回波直方图，数据量远大于点云，此前基于Transformer的FWL模型推理速度只有每秒数帧，达不到实时要求。FWL-ToPM按信号强度剪除低强度背景块、再沿保持空间邻近的曲线合并剩余块，在Ghost-FWL基准上把F1均值从0.503提升到0.592，同时达到53.2 FPS。配套的FWLAug在保留每条射线飞行时间波形与视锥几何的前提下扩充训练样本，在未见场景的分布外测试集上带来4.6点F1提升。

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。

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。

遥感图像任意尺度超分此前主要按低分与高分图像之间的相对放大倍数建模，忽略了以米/像素计的绝对空间分辨率这一物理先验，同一倍数下纹理分布可能完全不同。SpatialSR改为以目标空间分辨率为重建条件：先估计低分图像的绝对分辨率并据此算出放大倍数，再用预训练的分辨率到图像扩散模型提供分辨率相关的纹理风格，并把扩散过程压缩成单步训练约束。在Vaihingen数据集0.1米/像素目标、0.5米/像素源分辨率设置下，其分割mIoU为66.7，高于所列对比方法。

遥感图像任意尺度超分此前主要按低分与高分图像之间的相对放大倍数建模，忽略了以米/像素计的绝对空间分辨率这一物理先验，同一倍数下纹理分布可能完全不同。SpatialSR改为以目标空间分辨率为重建条件：先估计低分图像的绝对分辨率并据此算出放大倍数，再用预训练的分辨率到图像扩散模型提供分辨率相关的纹理风格，并把扩散过程压缩成单步训练约束。在Vaihingen数据集0.1米/像素目标、0.5米/像素源分辨率设置下，其分割mIoU为66.7，高于所列对比方法。

IC-GNN把同一套脑图谱区域在每个人身上重新聚成离散的多尺度功能社区，再用这些社区指导图神经网络的连边筛选和区域权重分配。此前常用的群体级图谱会抹平个体间社区边界差异，而体素级个体化分区又需要较长扫描且难以跨人比较。在ABIDE、ADNI和UK Biobank合计超过3万名参与者上，IC-GNN与15种基线方法比较取得最高的平均AUROC和准确率，其中ABIDE的AUROC为75.41%、ADNI为86.46%、UK Biobank为60.62%。

IC-GNN把同一套脑图谱区域在每个人身上重新聚成离散的多尺度功能社区，再用这些社区指导图神经网络的连边筛选和区域权重分配。此前常用的群体级图谱会抹平个体间社区边界差异，而体素级个体化分区又需要较长扫描且难以跨人比较。在ABIDE、ADNI和UK Biobank合计超过3万名参与者上，IC-GNN与15种基线方法比较取得最高的平均AUROC和准确率，其中ABIDE的AUROC为75.41%、ADNI为86.46%、UK Biobank为60.62%。

EDP-PI-DOSnet 把经典能量稳定格式嵌入物理信息算子分裂网络，使学习到的离散算子满足离散能量耗散律。此前的 PI-DOSnet 不保证学习到的线性算子对称负半定，预测中能量可能上升，长时外推还需两三轮重训。在 Allen–Cahn 方程上，EDP-PI-DOSnet 的两种格式在全部观测时刻保持修正能量不增，并在不重训的情况下给出更小的长时预测误差。

EDP-PI-DOSnet 把经典能量稳定格式嵌入物理信息算子分裂网络，使学习到的离散算子满足离散能量耗散律。此前的 PI-DOSnet 不保证学习到的线性算子对称负半定，预测中能量可能上升，长时外推还需两三轮重训。在 Allen–Cahn 方程上，EDP-PI-DOSnet 的两种格式在全部观测时刻保持修正能量不增，并在不重训的情况下给出更小的长时预测误差。

电力系统动态仿真中，物理信息神经网络受多层感知机的频谱偏置限制，难以刻画机电振荡，而基于B样条的物理信息Kolmogorov-Arnold网络训练代价高。mac-PIKAN把线性化摇摆方程的闭式模态响应作为固定项嵌入试解，再用切比雪夫基的KAN学习一个初始时刻为零的非线性修正，从而精确满足初始转子角与转速。在单机无穷大母线基准上，其转子角与频率平均误差为0.29%和0.99%，低于PINN的1.59%和5.26%，并在更少训练数据和更低阻尼下保持优势。

电力系统动态仿真中，物理信息神经网络受多层感知机的频谱偏置限制，难以刻画机电振荡，而基于B样条的物理信息Kolmogorov-Arnold网络训练代价高。mac-PIKAN把线性化摇摆方程的闭式模态响应作为固定项嵌入试解，再用切比雪夫基的KAN学习一个初始时刻为零的非线性修正，从而精确满足初始转子角与转速。在单机无穷大母线基准上，其转子角与频率平均误差为0.29%和0.99%，低于PINN的1.59%和5.26%，并在更少训练数据和更低阻尼下保持优势。

质量守恒约束此前只嵌在集总式LSTM里，只能给出流域平均的时间序列，难以检验内部状态是否具有水文意义。PECAN把这一约束改为卷积LSTM的分布式形式，并分严格以降水为唯一水源的PECANMC与允许额外水源的PECANMCR两个变体，仅用两个水文站的实测流量训练。在科罗拉多North Platte源头流域，两变体出口流量精度与集总深度学习基线及分布式过程模型VIC相当，还能给出空间显式的内部状态；但诊断显示模型把冬季雪水储量过早移出系统，而非留到春季释放。

质量守恒约束此前只嵌在集总式LSTM里，只能给出流域平均的时间序列，难以检验内部状态是否具有水文意义。PECAN把这一约束改为卷积LSTM的分布式形式，并分严格以降水为唯一水源的PECANMC与允许额外水源的PECANMCR两个变体，仅用两个水文站的实测流量训练。在科罗拉多North Platte源头流域，两变体出口流量精度与集总深度学习基线及分布式过程模型VIC相当，还能给出空间显式的内部状态；但诊断显示模型把冬季雪水储量过早移出系统，而非留到春季释放。

Databricks 宣布 Genie Ontology 正式可用，这是一层由智能体自动学习、由人治理的企业业务上下文。过去企业本体由专家手工维护，只覆盖业务的一小部分并很快过时；Genie Ontology 从仪表盘、SQL 查询、笔记本和语义模型中抽取可复用的本体片段，再按权威度排序后交给智能体。在与 Turing 共建的虚构英国能源供应商基准上，接入该本体的 Genie 在 91% 的运行中答对，两个前沿智能体分别为 45% 和 58%。

Databricks 宣布 Genie Ontology 正式可用，这是一层由智能体自动学习、由人治理的企业业务上下文。过去企业本体由专家手工维护，只覆盖业务的一小部分并很快过时；Genie Ontology 从仪表盘、SQL 查询、笔记本和语义模型中抽取可复用的本体片段，再按权威度排序后交给智能体。在与 Turing 共建的虚构英国能源供应商基准上，接入该本体的 Genie 在 91% 的运行中答对，两个前沿智能体分别为 45% 和 58%。

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%。

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%。

跨模态遥感检索要在合成孔径雷达与多光谱图像之间找到语义相同的场景，而此前的 JEPA 类方法把被遮挡图像块的潜在表示当作确定值回归，默认每块都同样可预测。CAPE-JEPA 改为输出每块均值和方差的高斯预测器，用负对数似然训练，并加入对抗式跨模态分布正则与训练中对比学习。在 BEN-14K 与 fMoW 上，它在全部八个检索方向上超过包括 X-JEPA、SkySense 和 CROMA 在内的基线，相对 X-JEPA 在 BEN-14K 跨模态方向最多高 13.74 分、在 fMoW 上最多高 15.59 分，参数量为 407.30M 对 432.72M。

跨模态遥感检索要在合成孔径雷达与多光谱图像之间找到语义相同的场景，而此前的 JEPA 类方法把被遮挡图像块的潜在表示当作确定值回归，默认每块都同样可预测。CAPE-JEPA 改为输出每块均值和方差的高斯预测器，用负对数似然训练，并加入对抗式跨模态分布正则与训练中对比学习。在 BEN-14K 与 fMoW 上，它在全部八个检索方向上超过包括 X-JEPA、SkySense 和 CROMA 在内的基线，相对 X-JEPA 在 BEN-14K 跨模态方向最多高 13.74 分、在 fMoW 上最多高 15.59 分，参数量为 407.30M 对 432.72M。

MPSi把经典信道探测中依赖数据、迭代次数不定的非线性精修，换成一个小型路径计数网络加固定层数的展开式Levenberg–Marquardt精修，从单次导频观测中估计每条多径的复增益、到达角和时延。在两个射线追踪场景（小小区Bahen与密集城区Dundas）中，其初始接入与全信道估计表现与增强版RIMAX基线相当，而精修迭代次数固定且明显更少；重建信道的误码率接近完美信道参考。

MPSi把经典信道探测中依赖数据、迭代次数不定的非线性精修，换成一个小型路径计数网络加固定层数的展开式Levenberg–Marquardt精修，从单次导频观测中估计每条多径的复增益、到达角和时延。在两个射线追踪场景（小小区Bahen与密集城区Dundas）中，其初始接入与全信道估计表现与增强版RIMAX基线相当，而精修迭代次数固定且明显更少；重建信道的误码率接近完美信道参考。

计算高光谱成像要在一次拍摄中同时保住高光与暗部，但编码掩膜各通道的光谱响应并不相等，单次曝光无法让所有通道都落在可靠区间。浙江大学团队把多曝光融合放到光谱反演之前的编码测量域，用解析可靠性先验与可学习的通道级修正共同决定融合权重，并用测量域光谱角监督约束通道间相对响应。在9通道宽带编码相机上，光学密度靶标测得光谱重建动态范围42.8 dB，比最佳固定单次曝光的26.8 dB高16.0 dB。

计算高光谱成像要在一次拍摄中同时保住高光与暗部，但编码掩膜各通道的光谱响应并不相等，单次曝光无法让所有通道都落在可靠区间。浙江大学团队把多曝光融合放到光谱反演之前的编码测量域，用解析可靠性先验与可学习的通道级修正共同决定融合权重，并用测量域光谱角监督约束通道间相对响应。在9通道宽带编码相机上，光学密度靶标测得光谱重建动态范围42.8 dB，比最佳固定单次曝光的26.8 dB高16.0 dB。

AI数据中心的功率起伏让并网取电难以平滑，而电池功率与能量有限，预测误差大小相近也可能带来完全不同的调度成本。BS-DFL把电池调度目标直接写进训练：先用一个约束感知的神经优化层在无最优解标签下学会排产，再冻结该层，用调度成本与爬坡风险反过来训练需求预测器，部署时无需调用优化求解器。在由实测AI负载导出的10,000分钟仿真中，相对MSE训练预测器加Gurobi求解器，BS-DFL把逐分钟电网取电变化的平均绝对值降低71.70%、总调度成本降低18.01%，平均决策时间18.77 ms。

AI数据中心的功率起伏让并网取电难以平滑，而电池功率与能量有限，预测误差大小相近也可能带来完全不同的调度成本。BS-DFL把电池调度目标直接写进训练：先用一个约束感知的神经优化层在无最优解标签下学会排产，再冻结该层，用调度成本与爬坡风险反过来训练需求预测器，部署时无需调用优化求解器。在由实测AI负载导出的10,000分钟仿真中，相对MSE训练预测器加Gurobi求解器，BS-DFL把逐分钟电网取电变化的平均绝对值降低71.70%、总调度成本降低18.01%，平均决策时间18.77 ms。

医学影像分类的公平性通常只约束输出层面的组间差距，但线性分类头下，输出分数差等于各特征归因差的带符号求和，正负贡献可以相互抵消，使输出看似公平。研究在三种等化几率代理目标上各加入同一项归因差异惩罚，在HAM10000性别公平与Harvard-GF种族公平两个任务上，六组配对的超体积比较全部为正，相对增益1.49%至10.57%。在预设效用约束下，增强后的模型族等化几率差降低9.0%至38.7%，归因差异与抵消比同时下降。

医学影像分类的公平性通常只约束输出层面的组间差距，但线性分类头下，输出分数差等于各特征归因差的带符号求和，正负贡献可以相互抵消，使输出看似公平。研究在三种等化几率代理目标上各加入同一项归因差异惩罚，在HAM10000性别公平与Harvard-GF种族公平两个任务上，六组配对的超体积比较全部为正，相对增益1.49%至10.57%。在预设效用约束下，增强后的模型族等化几率差降低9.0%至38.7%，归因差异与抵消比同时下降。

极端质量比旋近（EMRI）的波形长且多谐波，搜索与参数估计代价高。该工作直接用时频搜索输出的频率轨迹训练基于模拟的推断网络：在物理合理的候选内，谐波对识别正确率为98%；序贯推断把内禀参数先验体积压缩，再叠加检测统计量筛选可再缩小最多四个量级，使重度掩蔽轨迹接近掩蔽最轻情形的精度。

极端质量比旋近（EMRI）的波形长且多谐波，搜索与参数估计代价高。该工作直接用时频搜索输出的频率轨迹训练基于模拟的推断网络：在物理合理的候选内，谐波对识别正确率为98%；序贯推断把内禀参数先验体积压缩，再叠加检测统计量筛选可再缩小最多四个量级，使重度掩蔽轨迹接近掩蔽最轻情形的精度。

Databricks 的 Genie 智能体从只把业务问题转成 SQL 查询，扩展到能解析文档、连接企业工具并跨组织共享。智能体构建者把装有 PDF、幻灯片或图像的 Unity Catalog 卷挂到智能体上，由自定义文档解析保留表格、图表与页眉页脚，智能体检索最相关的文件内容，再与结构化数据一起推理，答案可引用到具体页码。非结构化数据分析处于公开预览，原生 MCP 连接器已正式可用，OpenSharing 与 Genie Clean Rooms 处于测试阶段。

Databricks 的 Genie 智能体从只把业务问题转成 SQL 查询，扩展到能解析文档、连接企业工具并跨组织共享。智能体构建者把装有 PDF、幻灯片或图像的 Unity Catalog 卷挂到智能体上，由自定义文档解析保留表格、图表与页眉页脚，智能体检索最相关的文件内容，再与结构化数据一起推理，答案可引用到具体页码。非结构化数据分析处于公开预览，原生 MCP 连接器已正式可用，OpenSharing 与 Genie Clean Rooms 处于测试阶段。

Databricks推出Genie插件，让ChatGPT、Claude、Microsoft Copilot Cowork和Grok Bot中的智能体通过Genie MCP服务器访问企业上下文。此前智能体面对业务问题会发起实时搜索，在多个MCP服务器、文档和表之间反复试探，缺少判断答案在哪里的依据。接入后，Genie依据Genie Ontology解释业务术语、定位用户有权查看的数据、编写并执行SQL，返回带来源引用的答案，必要时把问题转给领域Genie Agent。

Databricks推出Genie插件，让ChatGPT、Claude、Microsoft Copilot Cowork和Grok Bot中的智能体通过Genie MCP服务器访问企业上下文。此前智能体面对业务问题会发起实时搜索，在多个MCP服务器、文档和表之间反复试探，缺少判断答案在哪里的依据。接入后，Genie依据Genie Ontology解释业务术语、定位用户有权查看的数据、编写并执行SQL，返回带来源引用的答案，必要时把问题转给领域Genie Agent。

罕见遗传病常在初诊时被漏掉，而现有面部诊断模型多为端到端黑箱，难以说明依据。ProtoGestalt在PIP-Net原型学习上加入面部关键点约束，让每个原型只能从指定的十个解剖区域取证据，预测由这些局部原型相加而成。在按年龄、性别、族裔匹配的对照上，它区分综合征与未患病面孔的准确率为0.85，区域约束版本为0.73；对照数量增加时AUPRC下降但仍高于0.70。

罕见遗传病常在初诊时被漏掉，而现有面部诊断模型多为端到端黑箱，难以说明依据。ProtoGestalt在PIP-Net原型学习上加入面部关键点约束，让每个原型只能从指定的十个解剖区域取证据，预测由这些局部原型相加而成。在按年龄、性别、族裔匹配的对照上，它区分综合征与未患病面孔的准确率为0.85，区域约束版本为0.73；对照数量增加时AUPRC下降但仍高于0.70。

高压相识别此前多依赖动态图卷积网络（DGCNN）逐原子分类局部环境，计算开销大。高斯核模型改为在原点周围布置一组“原子探测器”，在每个探测器处累加各原子贡献的各向同性高斯密度，把这一组数值直接送入普通神经网络。在16、32、64个近邻的测试集上，它分别取得78%、86%、90%的准确率，与DGCNN的75%、85%、92%相近；同一高性能计算环境下，整段模拟的预测耗时约20-30分钟，而对比模型约需5-6小时。

高压相识别此前多依赖动态图卷积网络（DGCNN）逐原子分类局部环境，计算开销大。高斯核模型改为在原点周围布置一组“原子探测器”，在每个探测器处累加各原子贡献的各向同性高斯密度，把这一组数值直接送入普通神经网络。在16、32、64个近邻的测试集上，它分别取得78%、86%、90%的准确率，与DGCNN的75%、85%、92%相近；同一高性能计算环境下，整段模拟的预测耗时约20-30分钟，而对比模型约需5-6小时。

预训练时间序列基础模型Chronos-2被检验能否替代电力系统动态仿真。在IEEE 9节点系统的1800个负荷扰动样本上，检索增强的上下文学习优于随机选取参考样本，微调后的Chronos-2在178个留出样本上误差低于传统时空图神经网络基线，加入功率平衡正则后除电压相角MAE外各项指标进一步改善。其推理耗时35.5毫秒，比ANDES物理仿真的20秒快563倍。

预训练时间序列基础模型Chronos-2被检验能否替代电力系统动态仿真。在IEEE 9节点系统的1800个负荷扰动样本上，检索增强的上下文学习优于随机选取参考样本，微调后的Chronos-2在178个留出样本上误差低于传统时空图神经网络基线，加入功率平衡正则后除电压相角MAE外各项指标进一步改善。其推理耗时35.5毫秒，比ANDES物理仿真的20秒快563倍。

GRACE与GRACE-FO卫星只能测到整柱总水量，地下水必须靠扣除土壤水、雪和冠层储水才能分离，而这一步长期依赖的模型会低估最大的趋势。研究者用一套物理约束的分解LSTM，把每个格点的地下水信号拆成趋势、季节循环和残差，并把趋势限制在大气净供水之内、把流域质量守恒写进训练。重建在留出月份上的均方根误差为6.97厘米、Nash-Sutcliffe效率为0.69，在全部测试尺度上对监测井的趋势误差都低于一个独立水文模型和一个数据同化产品。

GRACE与GRACE-FO卫星只能测到整柱总水量，地下水必须靠扣除土壤水、雪和冠层储水才能分离，而这一步长期依赖的模型会低估最大的趋势。研究者用一套物理约束的分解LSTM，把每个格点的地下水信号拆成趋势、季节循环和残差，并把趋势限制在大气净供水之内、把流域质量守恒写进训练。重建在留出月份上的均方根误差为6.97厘米、Nash-Sutcliffe效率为0.69，在全部测试尺度上对监测井的趋势误差都低于一个独立水文模型和一个数据同化产品。

OpenRouter 发布新一代 Auto Router，并新增面向编程场景的 Auto Code 路由器。旧版只依赖任务类型等少数不精确信号选模型，新版在一次调用中评估请求的十一项因素，再结合实时价格、供应商健康度和缓存状态决定模型与推理强度。在五项基准上，Auto Code 的得分与 Claude Opus 5.5 相当，而每个任务成本低 74%；实时测试中路由步骤 p90 为 0.65 秒，旧版为 1.96 秒。

OpenRouter 发布新一代 Auto Router，并新增面向编程场景的 Auto Code 路由器。旧版只依赖任务类型等少数不精确信号选模型，新版在一次调用中评估请求的十一项因素，再结合实时价格、供应商健康度和缓存状态决定模型与推理强度。在五项基准上，Auto Code 的得分与 Claude Opus 5.5 相当，而每个任务成本低 74%；实时测试中路由步骤 p90 为 0.65 秒，旧版为 1.96 秒。

事件驱动学习把连续信号变成稀疏事件，但触发阈值长期靠经验试错。该工作把带符号阈值编码对应到离散化学习系统，用正常工况信号增量的标准差与阈值之比给出信息充分边界，再以保留峰值判别信息的规定比例为准则选出最稀疏阈值。在电力系统故障分类中，保留75%峰值信息时事件密度相对该边界下降约7.6倍，总体分类精度为94.14%。

事件驱动学习把连续信号变成稀疏事件，但触发阈值长期靠经验试错。该工作把带符号阈值编码对应到离散化学习系统，用正常工况信号增量的标准差与阈值之比给出信息充分边界，再以保留峰值判别信息的规定比例为准则选出最稀疏阈值。在电力系统故障分类中，保留75%峰值信息时事件密度相对该边界下降约7.6倍，总体分类精度为94.14%。

分子性质预测长期分散在各自的数据集和评测协议上，难以判断一个分子表示能否跨性质、跨体系迁移。Chem World把17个公开数据集、逾80万条分子与化学体系记录整合进10条性质轨道，并配以物理感知组合建模PACM。在统一评测下，MolFormer加PACM取得最低的宏平均归一化RMSE 0.367，物理边界违规率从基线的9.7%降到1.8%。

分子性质预测长期分散在各自的数据集和评测协议上，难以判断一个分子表示能否跨性质、跨体系迁移。Chem World把17个公开数据集、逾80万条分子与化学体系记录整合进10条性质轨道，并配以物理感知组合建模PACM。在统一评测下，MolFormer加PACM取得最低的宏平均归一化RMSE 0.367，物理边界违规率从基线的9.7%降到1.8%。

心电图深度学习模型多按具体诊断标签监督训练，换人群、换采集条件就容易失效。这套自监督预训练框架从918,915条无标签12导联心电记录中学习特征，一路显式刻画每条导联相对正常波形的偏离，另一路在偏离线索引导下重建跨导联关联。冻结特征提取器、不做下游微调时，它在四个公开数据集上相对此前方法AUROC最高提升6.5%、F1最高提升12.8%。

心电图深度学习模型多按具体诊断标签监督训练，换人群、换采集条件就容易失效。这套自监督预训练框架从918,915条无标签12导联心电记录中学习特征，一路显式刻画每条导联相对正常波形的偏离，另一路在偏离线索引导下重建跨导联关联。冻结特征提取器、不做下游微调时，它在四个公开数据集上相对此前方法AUROC最高提升6.5%、F1最高提升12.8%。

瑞士全境森林的树种组成此前多以“每像素一个优势树种”呈现，伴生树种的比例被抹去。研究把0.1米航空RGB影像、机载激光扫描、AlphaEarth年度卫星嵌入与气候变量组合进一个以影像为锚的深度学习模型，用3992个瑞士国家森林清查样地的地径断面积观测训练，输出30米网格上10个主要树种与一个Other类的地径断面积占比。空间交叉验证的宏平均决定系数为0.485；在未参与建模的森林保护区数据上，30米像素级宏平均为0.552、样地级为0.733，像素与样地的优势类识别率分别为73.2%和81.1%。

瑞士全境森林的树种组成此前多以“每像素一个优势树种”呈现，伴生树种的比例被抹去。研究把0.1米航空RGB影像、机载激光扫描、AlphaEarth年度卫星嵌入与气候变量组合进一个以影像为锚的深度学习模型，用3992个瑞士国家森林清查样地的地径断面积观测训练，输出30米网格上10个主要树种与一个Other类的地径断面积占比。空间交叉验证的宏平均决定系数为0.485；在未参与建模的森林保护区数据上，30米像素级宏平均为0.552、样地级为0.733，像素与样地的优势类识别率分别为73.2%和81.1%。

批量RNA-seq差异表达分析里，通用大模型智能体往往直接挑DESeq2或edgeR，不检查这些方法的统计假设是否适合手头数据。DE-Rigor-Agent把分析拆成输入标准化、方法筛选、方法执行三段，在执行前用专家整理的方法卡和数据诊断逐条评估六种常用方法并记录保留或排除的理由。在140个模拟数据集上，它的筛选决定与模拟中人为引入的不兼容情形基本吻合，并在不同随机种子间保持稳定；两个Codex基线几乎对所有数据都选DESeq2或edgeR。

批量RNA-seq差异表达分析里，通用大模型智能体往往直接挑DESeq2或edgeR，不检查这些方法的统计假设是否适合手头数据。DE-Rigor-Agent把分析拆成输入标准化、方法筛选、方法执行三段，在执行前用专家整理的方法卡和数据诊断逐条评估六种常用方法并记录保留或排除的理由。在140个模拟数据集上，它的筛选决定与模拟中人为引入的不兼容情形基本吻合，并在不同随机种子间保持稳定；两个Codex基线几乎对所有数据都选DESeq2或edgeR。

多数知识工作基准只用文字就能解，不需要看图像或版面，但建筑蓝图、工程图纸和成稿报告这类日常专业工作高度依赖视觉。Google与Artificial Analysis合作推出MKA多模态知识智能体基准，由10个行业、83种职业的专家编写200个任务，每题配约70条是/否评分项，75%看事实准确性、25%看视觉设计。专家亲自给模型输出打分时与自动评分器一致率为96%，200题评测集保持私有，另在Hugging Face公开10个任务供检查格式。

多数知识工作基准只用文字就能解，不需要看图像或版面，但建筑蓝图、工程图纸和成稿报告这类日常专业工作高度依赖视觉。Google与Artificial Analysis合作推出MKA多模态知识智能体基准，由10个行业、83种职业的专家编写200个任务，每题配约70条是/否评分项，75%看事实准确性、25%看视觉设计。专家亲自给模型输出打分时与自动评分器一致率为96%，200题评测集保持私有，另在Hugging Face公开10个任务供检查格式。

睡眠基础模型把数秒脑电压成紧凑词元，时间分辨率不足以精确勾出睡眠纺锤波的起止边界。一种做法是保持SleepFM编码器冻结，另加一条局部时频分支保留11–16 Hz的sigma频段能量与词元内部位置，再用残差交叉注意力引入预训练的时间上下文。在MODA基准的六个折上，事件级F1在IoU 0.2处为0.8080±0.0040，在IoU 0.5处为0.7766±0.0050；更严格的边界重叠下性能下降更快。

睡眠基础模型把数秒脑电压成紧凑词元，时间分辨率不足以精确勾出睡眠纺锤波的起止边界。一种做法是保持SleepFM编码器冻结，另加一条局部时频分支保留11–16 Hz的sigma频段能量与词元内部位置，再用残差交叉注意力引入预训练的时间上下文。在MODA基准的六个折上，事件级F1在IoU 0.2处为0.8080±0.0040，在IoU 0.5处为0.7766±0.0050；更严格的边界重叠下性能下降更快。

Nace推出文档处理决策模型Drex，在解析引擎读出布局感知Markdown之后，逐页判断文字是否与页面图像一致、表格是否保持形状、勾选框是否保留，只对存疑处启动纠错。在其自建解析榜上，NDI+Drex的Parse Index为0.834，高于所测12个解析器，其中LlamaParse Agentic为0.820；在OmniDocBench、MDPBench和ExtractBench上优于单独引擎，在ParseBench和RealDocBench上与单独引擎处于噪声范围内。

Nace推出文档处理决策模型Drex，在解析引擎读出布局感知Markdown之后，逐页判断文字是否与页面图像一致、表格是否保持形状、勾选框是否保留，只对存疑处启动纠错。在其自建解析榜上，NDI+Drex的Parse Index为0.834，高于所测12个解析器，其中LlamaParse Agentic为0.820；在OmniDocBench、MDPBench和ExtractBench上优于单独引擎，在ParseBench和RealDocBench上与单独引擎处于噪声范围内。

古籍页面常同时出现纸张老化、水渍变形、虫洞与霉斑，而以往公开的修复基准规模有限、退化多为孤立叠加，难以支撑监督式修复。AncBench 以 100,379 对像素对齐的干净—退化图像，把化学、物理、生物三类退化按先后顺序耦合生成；在此数据上训练的 AncRestore 先估计整页与局部的退化表征，再按退化特征动态选择并分配视觉先验。在 AncBench 测试集上，AncRestore 取得 26.70 dB PSNR、0.9191 SSIM 与 0.1346 LPIPS，字符识别准确率 89.58%。

古籍页面常同时出现纸张老化、水渍变形、虫洞与霉斑，而以往公开的修复基准规模有限、退化多为孤立叠加，难以支撑监督式修复。AncBench 以 100,379 对像素对齐的干净—退化图像，把化学、物理、生物三类退化按先后顺序耦合生成；在此数据上训练的 AncRestore 先估计整页与局部的退化表征，再按退化特征动态选择并分配视觉先验。在 AncBench 测试集上，AncRestore 取得 26.70 dB PSNR、0.9191 SSIM 与 0.1346 LPIPS，字符识别准确率 89.58%。

口腔耐药组蛋白序列模型此前缺少排除同源记忆的评测。研究把26,324条蛋白按40%序列一致性聚成1,437个簇，用同一训练流程比较八种因果架构，并在CARD与NCBI AMRFinderPlus上做外部验证。留出簇上Hyena困惑度14.93最低，但外部验证中八种里只有四种优于残基组成基线17.99，参数匹配的MoR以17.40居首，Transformer则退化27%。

口腔耐药组蛋白序列模型此前缺少排除同源记忆的评测。研究把26,324条蛋白按40%序列一致性聚成1,437个簇，用同一训练流程比较八种因果架构，并在CARD与NCBI AMRFinderPlus上做外部验证。留出簇上Hyena困惑度14.93最低，但外部验证中八种里只有四种优于残基组成基线17.99，参数匹配的MoR以17.40居首，Transformer则退化27%。

ElevenLabs与英伟达扩大合作，把英伟达Nemotron开放模型接入ElevenAgents语音智能体平台，并计划在现有Blackwell Ultra系统之上追加15兆瓦Vera Rubin算力。在ElevenAgents面向真实客服任务的基准上，Nemotron 3.5 Super VL取得领先的端到端任务完成准确率，成本比其他领先开放模型低70%。双方同时把语音智能体用于波兰国家电子健康平台的中央预约系统，在本地部署中让公民数据和音频留在政府基础设施内。

ElevenLabs与英伟达扩大合作，把英伟达Nemotron开放模型接入ElevenAgents语音智能体平台，并计划在现有Blackwell Ultra系统之上追加15兆瓦Vera Rubin算力。在ElevenAgents面向真实客服任务的基准上，Nemotron 3.5 Super VL取得领先的端到端任务完成准确率，成本比其他领先开放模型低70%。双方同时把语音智能体用于波兰国家电子健康平台的中央预约系统，在本地部署中让公民数据和音频留在政府基础设施内。

心脏磁共振电影序列的运动跟踪此前要么缺少跨受试者的解剖对应，要么依赖耗时易错的手工图谱配准。CardioDrift把相干点漂移推广到左心室内外膜与右心室三个图谱表面的联合配准，并在同一概率模型中估计逐层平移以校正层间错位，仅用短轴分割轮廓即可自动完成图谱拟合与全周期传播。在1,301名UK Biobank受试者与M&M数据集上，其刚性配准与非刚性传播在全部距离和重叠指标上均优于最强基线。

心脏磁共振电影序列的运动跟踪此前要么缺少跨受试者的解剖对应，要么依赖耗时易错的手工图谱配准。CardioDrift把相干点漂移推广到左心室内外膜与右心室三个图谱表面的联合配准，并在同一概率模型中估计逐层平移以校正层间错位，仅用短轴分割轮廓即可自动完成图谱拟合与全周期传播。在1,301名UK Biobank受试者与M&M数据集上，其刚性配准与非刚性传播在全部距离和重叠指标上均优于最强基线。

Causaly 推出 Causaly Work 公开预览版，面向生命科学企业的知识工作者，把计算分析、证据调查与专业交付物制作合并到一次长周期任务中。此前这类工作需要在检索、代码和文档之间来回切换，难以逐条追踪证据。系统可对提供的表格运行分析代码、比对试验终点与人群，并把结论连同引用和未解决问题整理成提案与演示文稿，由人复核并承担决策责任。

Causaly 推出 Causaly Work 公开预览版，面向生命科学企业的知识工作者，把计算分析、证据调查与专业交付物制作合并到一次长周期任务中。此前这类工作需要在检索、代码和文档之间来回切换，难以逐条追踪证据。系统可对提供的表格运行分析代码、比对试验终点与人群，并把结论连同引用和未解决问题整理成提案与演示文稿，由人复核并承担决策责任。

结构动力响应的神经网络替代模型不再直接拟合整条频响曲线，而是先预测与频率无关的模态量，再由解析模态叠加重建响应。塔架与锥形梁各两万个设计上，在给定模态频率信息、5%参考阻尼和声明频带内，模态类配置的平均位移历程误差分别为0.73%–0.76%和0.029%–0.116%。这些数字对应固定拓扑、条件式推理，尚不构成纯设计输入部署或地震工程评估的证据。

结构动力响应的神经网络替代模型不再直接拟合整条频响曲线，而是先预测与频率无关的模态量，再由解析模态叠加重建响应。塔架与锥形梁各两万个设计上，在给定模态频率信息、5%参考阻尼和声明频带内，模态类配置的平均位移历程误差分别为0.73%–0.76%和0.029%–0.116%。这些数字对应固定拓扑、条件式推理，尚不构成纯设计输入部署或地震工程评估的证据。

面向中医妇科的家庭健康咨询与分诊，MAGR-TCM把741份临床病案整理成含10231个实体、32051条关系的知识图谱，再让四个分工不同的智能体沿“病—证—治则—方—药”链条逐步推理。在30例独立测试病案上，它的RAGAS忠实度得分为0.821，高于GraphRAG的0.766、LightRAG的0.651和Naive RAG的0.590；在含10例急症与20例常规病例的安全测试集中，红旗机制全部正确拦截与放行，敏感度和特异度均为1.000。这些结果来自回顾性、专家标注的病案评估，尚未在真实家庭用户中做前瞻验证。

面向中医妇科的家庭健康咨询与分诊，MAGR-TCM把741份临床病案整理成含10231个实体、32051条关系的知识图谱，再让四个分工不同的智能体沿“病—证—治则—方—药”链条逐步推理。在30例独立测试病案上，它的RAGAS忠实度得分为0.821，高于GraphRAG的0.766、LightRAG的0.651和Naive RAG的0.590；在含10例急症与20例常规病例的安全测试集中，红旗机制全部正确拦截与放行，敏感度和特异度均为1.000。这些结果来自回顾性、专家标注的病案评估，尚未在真实家庭用户中做前瞻验证。

ElevenLabs在纽约峰会上公布一组面向企业人机交互的产品更新：计划在未来几个月帮助企业用线上部署数据微调部分开源语言模型和自家语音模型，预览了负责轮流发言、打断并按环节挑选大模型的Interaction Engine，为ElevenAgents加入记忆与可在对话前、中、后运行多步工作的Routines，并开放企业AI助手ElevenAI的免费早期访问。公司同时宣布合作伙伴计划、Marketplace，以及与英伟达扩大合作，把Nemotron 3.5 Super VL接入ElevenAgents。这些是产品发布与预览，材料未给出效果对比数据。

ElevenLabs在纽约峰会上公布一组面向企业人机交互的产品更新：计划在未来几个月帮助企业用线上部署数据微调部分开源语言模型和自家语音模型，预览了负责轮流发言、打断并按环节挑选大模型的Interaction Engine，为ElevenAgents加入记忆与可在对话前、中、后运行多步工作的Routines，并开放企业AI助手ElevenAI的免费早期访问。公司同时宣布合作伙伴计划、Marketplace，以及与英伟达扩大合作，把Nemotron 3.5 Super VL接入ElevenAgents。这些是产品发布与预览，材料未给出效果对比数据。

太阳Hα图像中的暗条在演化中会断裂成多块，投影效应让同一暗条的不同碎块在图上彼此分离，而不同暗条的碎块又可能靠得很近，仅凭距离和朝向难以判断归属。研究把每个碎块当作图节点、把候选配对当作边，用图神经网络做边级预测，并把常规的加性聚合换成乘性聚合，使不一致邻居的贡献被压低。在Kanzelhöhe天文台约100幅Hα图像、约1700个碎块构建的数据集上，kNN取10时该方法取得AUC 0.867、AP 0.792，高于GCN的0.832/0.747和GAT的0.842/0.766。

太阳Hα图像中的暗条在演化中会断裂成多块，投影效应让同一暗条的不同碎块在图上彼此分离，而不同暗条的碎块又可能靠得很近，仅凭距离和朝向难以判断归属。研究把每个碎块当作图节点、把候选配对当作边，用图神经网络做边级预测，并把常规的加性聚合换成乘性聚合，使不一致邻居的贡献被压低。在Kanzelhöhe天文台约100幅Hα图像、约1700个碎块构建的数据集上，kNN取10时该方法取得AUC 0.867、AP 0.792，高于GCN的0.832/0.747和GAT的0.842/0.766。

bAIes 原本只从 AlphaFold2 的距离分布图提取结构信息，用来生成无序蛋白的原子级构象集合。现在它接入 AlphaFold2、AlphaFold3、Boltz-1、Boltz-2、ESMFold 和 ESMFold2 六种预测器，并在 17 个无序蛋白的 NMR 与 SAXS 数据上比较。各预测器给出的集合平均精度与原 AlphaFold2 版本相当，对化学位移、RDC 和 3J 耦合等局部观测量最好，对 PRE 和 SAXS 这类长程与整体压缩观测量偏弱。

bAIes 原本只从 AlphaFold2 的距离分布图提取结构信息，用来生成无序蛋白的原子级构象集合。现在它接入 AlphaFold2、AlphaFold3、Boltz-1、Boltz-2、ESMFold 和 ESMFold2 六种预测器，并在 17 个无序蛋白的 NMR 与 SAXS 数据上比较。各预测器给出的集合平均精度与原 AlphaFold2 版本相当，对化学位移、RDC 和 3J 耦合等局部观测量最好，对 PRE 和 SAXS 这类长程与整体压缩观测量偏弱。

空间转录组模型通常只在细胞或斑点之间交换表示，基因信息随表达谱附带进入。SpaAxFormer把每个细胞–基因条目保留为独立状态，先在细胞内让基因互相参照，再按同一基因在空间邻居间交换信息，另设一个细胞级汇总表示。在六个DLPFC切片上，其基因表达插补的平均L1距离均低于Impeller，例如切片151510为0.239对0.254；在Stereo-seq与Slide-seq V2上，Impeller的平均L1与RMSE更低。

空间转录组模型通常只在细胞或斑点之间交换表示，基因信息随表达谱附带进入。SpaAxFormer把每个细胞–基因条目保留为独立状态，先在细胞内让基因互相参照，再按同一基因在空间邻居间交换信息，另设一个细胞级汇总表示。在六个DLPFC切片上，其基因表达插补的平均L1距离均低于Impeller，例如切片151510为0.239对0.254；在Stereo-seq与Slide-seq V2上，Impeller的平均L1与RMSE更低。

麦肯锡与ElevenLabs宣布结成联盟，把ElevenLabs的前沿对话式AI技术与智能体平台，同麦肯锡的行业转型经验和QuantumBlack的AI工程能力放在一起，帮助企业在全企业推广前先用初始用例证明对话式AI的价值。双方称，每次部署都把多语言对话技术与智能体设计、系统集成和运营模式调整配套，先从电信等已有实践的场景出发，再延伸到保险的理赔受理、保单服务和日常客户问答。

麦肯锡与ElevenLabs宣布结成联盟，把ElevenLabs的前沿对话式AI技术与智能体平台，同麦肯锡的行业转型经验和QuantumBlack的AI工程能力放在一起，帮助企业在全企业推广前先用初始用例证明对话式AI的价值。双方称，每次部署都把多语言对话技术与智能体设计、系统集成和运营模式调整配套，先从电信等已有实践的场景出发，再延伸到保险的理赔受理、保单服务和日常客户问答。

在OneFormer3D的统一查询解码器里，区域特征聚合原本依赖均值、最大值这类固定统计量，COC把这一步换成每个样本一个可学习的正标量权重，再叠加收缩后的一阶与二阶几何描述子，并在解码器深度方向上做双向状态演化。ScanNetV2上实例mAP从59.3升到59.8、语义mIoU从76.6升到77.4、全景PQ从71.2升到72.0；S3DIS Area-5上mIoU从72.4升到73.8。增益幅度随数据集和指标变化，作者也说明跨论文数值只能作参考。

在OneFormer3D的统一查询解码器里，区域特征聚合原本依赖均值、最大值这类固定统计量，COC把这一步换成每个样本一个可学习的正标量权重，再叠加收缩后的一阶与二阶几何描述子，并在解码器深度方向上做双向状态演化。ScanNetV2上实例mAP从59.3升到59.8、语义mIoU从76.6升到77.4、全景PQ从71.2升到72.0；S3DIS Area-5上mIoU从72.4升到73.8。增益幅度随数据集和指标变化，作者也说明跨论文数值只能作参考。

谷歌把 Gemini 应用带到 Apple CarPlay，iOS 用户可在车机屏上免手使用 Gemini Live 进行自然对话，并接着最近一次聊天继续。此前该应用已登陆 Android Auto 和内置谷歌服务的汽车，这次扩展到 CarPlay；对话会自动同步到 iPhone 上的 Gemini 应用，停车后可在聊天记录里找到摘要、笔记和头脑风暴内容。

谷歌把 Gemini 应用带到 Apple CarPlay，iOS 用户可在车机屏上免手使用 Gemini Live 进行自然对话，并接着最近一次聊天继续。此前该应用已登陆 Android Auto 和内置谷歌服务的汽车，这次扩展到 CarPlay；对话会自动同步到 iPhone 上的 Gemini 应用，停车后可在聊天记录里找到摘要、笔记和头脑风暴内容。

ElevenLabs 的 Ads Engine 现在可以在广告定稿前引入人工审校，审校者来自 ElevenProductions 的本地化专家和 ElevenLabs 内部的创意专员。此前营销团队要在更多市场投放广告，需要翻译、本地化人员和设计师，而许多团队并不具备这些角色，只能放弃本地化或减少变体。Ads Engine 连接广告平台、拉取已有素材，翻译图片文字、改写图像、用 Dubbing v2 配音，再由审校者检查译文准确性与配音自然度，成品回到团队审批或直接推送。

ElevenLabs 的 Ads Engine 现在可以在广告定稿前引入人工审校，审校者来自 ElevenProductions 的本地化专家和 ElevenLabs 内部的创意专员。此前营销团队要在更多市场投放广告，需要翻译、本地化人员和设计师，而许多团队并不具备这些角色，只能放弃本地化或减少变体。Ads Engine 连接广告平台、拉取已有素材，翻译图片文字、改写图像、用 Dubbing v2 配音，再由审校者检查译文准确性与配音自然度，成品回到团队审批或直接推送。

Mastra 在其 MCP 服务器与客户端中加入任务机制，让耗时的工具调用转入后台执行。此前 MCP 工具调用是同步的，单个 HTTP 请求要一直保持到调用结束，智能体循环因此被阻塞；已有的后台任务原语虽能释放循环，但调用一旦超过代理超时或负载均衡的空闲上限仍会失败。现在服务器先返回任务 ID 结束请求，客户端凭该 ID 轮询 working、input_required、completed、failed 或 cancelled 等状态，任务完成时再向智能体发出通知信号。

Mastra 在其 MCP 服务器与客户端中加入任务机制，让耗时的工具调用转入后台执行。此前 MCP 工具调用是同步的，单个 HTTP 请求要一直保持到调用结束，智能体循环因此被阻塞；已有的后台任务原语虽能释放循环，但调用一旦超过代理超时或负载均衡的空闲上限仍会失败。现在服务器先返回任务 ID 结束请求，客户端凭该 ID 轮询 working、input_required、completed、failed 或 cancelled 等状态，任务完成时再向智能体发出通知信号。

ElevenLabs推出面向企业的AI应用市场，首批收录由Salesforce、IBM、NiCE、Twilio、Zendesk等合作伙伴基于ElevenLabs构建的行业专用AI智能体与语音应用，覆盖金融服务、保险、医疗、电信、零售、政府等领域。企业可在市场中浏览方案并直接联系开发方评估部署，合作伙伴则获得新的展示与获客渠道。ElevenLabs表示，明年起企业可通过既有ElevenLabs承诺额度在市场内购买符合条件的伙伴方案。

ElevenLabs推出面向企业的AI应用市场，首批收录由Salesforce、IBM、NiCE、Twilio、Zendesk等合作伙伴基于ElevenLabs构建的行业专用AI智能体与语音应用，覆盖金融服务、保险、医疗、电信、零售、政府等领域。企业可在市场中浏览方案并直接联系开发方评估部署，合作伙伴则获得新的展示与获客渠道。ElevenLabs表示，明年起企业可通过既有ElevenLabs承诺额度在市场内购买符合条件的伙伴方案。

望石智慧的小分子医药早研智能体MolVortex已在连云港“人工智能+医药”公共服务平台完成本地化部署，并上架该平台的AI工具超市，向当地药企、医院研究者、高校院所与创新服务机构开放。该平台由江苏新海连集团投资建设，于第八届连云港医药技术大会上线，目标是让企业无需自建机房与算力系统即可按需调用AI能力与数据资产。MolVortex覆盖靶点调研、口袋分析、分子生成与动力学评估等环节，贯穿从苗头化合物到临床前候选化合物的早研流程。

望石智慧的小分子医药早研智能体MolVortex已在连云港“人工智能+医药”公共服务平台完成本地化部署，并上架该平台的AI工具超市，向当地药企、医院研究者、高校院所与创新服务机构开放。该平台由江苏新海连集团投资建设，于第八届连云港医药技术大会上线，目标是让企业无需自建机房与算力系统即可按需调用AI能力与数据资产。MolVortex覆盖靶点调研、口袋分析、分子生成与动力学评估等环节，贯穿从苗头化合物到临床前候选化合物的早研流程。

NVIDIA 的开源组件 AICR 现在把 Google 的 k8s-aibom 作为受验证组件纳入配方，让 GPU 加速的 Kubernetes 平台在部署已知良好配置的同时，记录集群里实际运行的 AI 工作负载。此前配方只能固定平台配置，应用团队自行更新的工作负载和 :latest 这类可变镜像标签可能让两个节点在同一标签下跑不同代码。两个 GKE 配方默认选中该组件，其余配方可在生成时开启。

NVIDIA 的开源组件 AICR 现在把 Google 的 k8s-aibom 作为受验证组件纳入配方，让 GPU 加速的 Kubernetes 平台在部署已知良好配置的同时，记录集群里实际运行的 AI 工作负载。此前配方只能固定平台配置，应用团队自行更新的工作负载和 :latest 这类可变镜像标签可能让两个节点在同一标签下跑不同代码。两个 GKE 配方默认选中该组件，其余配方可在生成时开启。

Sierra在Agent Studio上线首批Accelerators，把订单追踪、预约排程、理赔首次报案、身份核验这类高频客服流程连同基础集成与护栏做成开箱即用的包，再由Ghostwriter按企业自身政策定制。与一次性模板不同，Accelerators把企业的改动与底层流程分开记录，Sierra发布更新时这些改动随之保留，企业可在审阅全部变更后再决定是否应用。官方给出的例子是媒体公司加入挽留流程Accelerator并改写为自家退订政策与优惠，智能体几分钟内即可进入测试。

Sierra在Agent Studio上线首批Accelerators，把订单追踪、预约排程、理赔首次报案、身份核验这类高频客服流程连同基础集成与护栏做成开箱即用的包，再由Ghostwriter按企业自身政策定制。与一次性模板不同，Accelerators把企业的改动与底层流程分开记录，Sierra发布更新时这些改动随之保留，企业可在审阅全部变更后再决定是否应用。官方给出的例子是媒体公司加入挽留流程Accelerator并改写为自家退订政策与优惠，智能体几分钟内即可进入测试。

Mastra 的智能体现在可以接收 Ring 门铃事件，每个事件以可配置优先级的通知信号进入智能体线程。此前智能体主要响应 Slack、Discord、iMessage 等软件消息，如今可以调用 Ring API 取回快照或视频片段，再判断门口有人时该做什么。默认每个事件附带一张快照图像；把 tools.clip 的 visibleToModel 设为 true 并使用支持视频输入的模型，智能体还能看视频。

Mastra 的智能体现在可以接收 Ring 门铃事件，每个事件以可配置优先级的通知信号进入智能体线程。此前智能体主要响应 Slack、Discord、iMessage 等软件消息，如今可以调用 Ring API 取回快照或视频片段，再判断门口有人时该做什么。默认每个事件附带一张快照图像；把 tools.clip 的 visibleToModel 设为 true 并使用支持视频输入的模型，智能体还能看视频。

ModRetro 为 Codex 发布 Chromatic 插件，让模型在聊天中调用一套 Game Boy Color 开发工具，从提示词生成可玩的游戏。插件把动画、地图、ROM 试玩、画面标注和按键序列测试都做成模型可调用的工具，并支持把编译好的 ROM 写入 Chromatic 掌机上的可重写卡带。示例中，俯视冒险游戏 Lodge Podge 按提示生成，随后又按追加要求改了角色体型和建造材料。

ModRetro 为 Codex 发布 Chromatic 插件，让模型在聊天中调用一套 Game Boy Color 开发工具，从提示词生成可玩的游戏。插件把动画、地图、ROM 试玩、画面标注和按键序列测试都做成模型可调用的工具，并支持把编译好的 ROM 写入 Chromatic 掌机上的可重写卡带。示例中，俯视冒险游戏 Lodge Podge 按提示生成，随后又按追加要求改了角色体型和建造材料。