AI 与科学前沿 · 2026-11-13

语言模型后训练常用的策略优化以基座模型为起点，但REINFORCE（PPO与GRPO的基础）可能在奖励上升的同时把最优回答的概率压到接近零，即使有KL正则化到基座模型、即使使用精确梯度，收敛也可能需要指数多步。把KL正则化的参考策略定期重置为最新策略，可形式化为近似策略镜像下降（APMD）：每个子问题在强正则下局部求解，多次重置累积到全局最优。对softmax线性策略，该框架首次给出带参考重置的PPO、GRPO变体以及Kimi风格平方损失算法的全局收敛与覆盖保持保证。

语言模型后训练常用的策略优化以基座模型为起点，但REINFORCE（PPO与GRPO的基础）可能在奖励上升的同时把最优回答的概率压到接近零，即使有KL正则化到基座模型、即使使用精确梯度，收敛也可能需要指数多步。把KL正则化的参考策略定期重置为最新策略，可形式化为近似策略镜像下降（APMD）：每个子问题在强正则下局部求解，多次重置累积到全局最优。对softmax线性策略，该框架首次给出带参考重置的PPO、GRPO变体以及Kimi风格平方损失算法的全局收敛与覆盖保持保证。

机器人操作长期依赖在演示数据上训练的专用策略，如视觉-语言-动作模型（VLA）和世界-动作模型（WAM）。AMP1让通用AI模型留在控制回路中，通过代码直接指挥机械臂运动，在RoboLab-120上零样本取得85.6%成功率，而领先的VLA与WAM分别为49.2%和42.9%。在12项真实任务、3台机器人实例的108次试验中，它成功104次，且未使用演示或任务专用训练。

机器人操作长期依赖在演示数据上训练的专用策略，如视觉-语言-动作模型（VLA）和世界-动作模型（WAM）。AMP1让通用AI模型留在控制回路中，通过代码直接指挥机械臂运动，在RoboLab-120上零样本取得85.6%成功率，而领先的VLA与WAM分别为49.2%和42.9%。在12项真实任务、3台机器人实例的108次试验中，它成功104次，且未使用演示或任务专用训练。

首尔大学医院团队发布CARMEN，一个在十种心肺波形、约227万模态小时无标签数据上预训练的单编码器，可接受任意共录信号组合与10秒到5分钟输入。冻结编码器加线性层后，它在19项围术期与ICU任务中于15项有监督对照里12项显著优于端到端监督模型，并在14至17项上超过三个预训练基础模型，且无一项被反超。

首尔大学医院团队发布CARMEN，一个在十种心肺波形、约227万模态小时无标签数据上预训练的单编码器，可接受任意共录信号组合与10秒到5分钟输入。冻结编码器加线性层后，它在19项围术期与ICU任务中于15项有监督对照里12项显著优于端到端监督模型，并在14至17项上超过三个预训练基础模型，且无一项被反超。

脑电基础模型在冻结特征迁移上表现不稳，SeeEEG换了个思路：把脑电按临床浏览器的蒙太奇、滤波和对比度设置渲染成图像，只训练这套显示参数，视觉主干全程冻结。以冻结的DINOv3 ViT-B为编码器，SeeEEG在八个临床、睡眠、情感与脑机接口数据集的平衡准确率上全部超过七个脑电基础模型，按Cohen或AUROC排名的平均名次为1.3，最强基线REVE为2.9。

脑电基础模型在冻结特征迁移上表现不稳，SeeEEG换了个思路：把脑电按临床浏览器的蒙太奇、滤波和对比度设置渲染成图像，只训练这套显示参数，视觉主干全程冻结。以冻结的DINOv3 ViT-B为编码器，SeeEEG在八个临床、睡眠、情感与脑机接口数据集的平衡准确率上全部超过七个脑电基础模型，按Cohen或AUROC排名的平均名次为1.3，最强基线REVE为2.9。

长动作块机器人策略的在线强化学习适配此前要直接优化高维动作序列，样本开销大，真实机器人上代价高。ExRL把适配对象换成每个预测动作块执行多少步这一标量决策，用离策略强化学习训练一个轻量适配器，基座策略保持冻结。在仿真基准与四项真实操作任务上，它让扩散策略、ACT、多类视觉-语言-动作模型和世界动作模型都能以较少在线交互获得提升，真实叠方块任务约十分钟物理交互后接近全成功。

长动作块机器人策略的在线强化学习适配此前要直接优化高维动作序列，样本开销大，真实机器人上代价高。ExRL把适配对象换成每个预测动作块执行多少步这一标量决策，用离策略强化学习训练一个轻量适配器，基座策略保持冻结。在仿真基准与四项真实操作任务上，它让扩散策略、ACT、多类视觉-语言-动作模型和世界动作模型都能以较少在线交互获得提升，真实叠方块任务约十分钟物理交互后接近全成功。

线性原子团簇展开（ACE）势在训练标签为确定性密度泛函数据时属于模型设定错误，贝叶斯后验方差会低估误差。研究用删一构型的CR3刀切协方差给出形状、用留出数据上的一个共形分位数给出尺度，在留出硅数据上把每原子力区间校准到接近名义覆盖率，并把同一参数分布经隐式微分传播到21个硅性质；对较小与较大两个模型，20个计分性质中分别有17个和15个落入95%区间，较大模型的区间约窄4倍。

线性原子团簇展开（ACE）势在训练标签为确定性密度泛函数据时属于模型设定错误，贝叶斯后验方差会低估误差。研究用删一构型的CR3刀切协方差给出形状、用留出数据上的一个共形分位数给出尺度，在留出硅数据上把每原子力区间校准到接近名义覆盖率，并把同一参数分布经隐式微分传播到21个硅性质；对较小与较大两个模型，20个计分性质中分别有17个和15个落入95%区间，较大模型的区间约窄4倍。

签名只能证明工具由谁发布，不能保证它运行时不泄露数据：一个签名有效、功能正常的MCP工具可以把早前调用中的敏感条目夹带进发往策略允许目的地的请求，Meta的MCPGuard-Dynamic在全部七种配置下都未能拦住。Germline执行改为不检查工具代码，而是让每次调用在从无数据母本进程分叉出的临时副本中运行，每个副本只拿到其目的地有权看到的数据。在153次攻击运行中未检出未授权泄露，而基线防御与消融为5.9%–74.5%；单副本调用耗时10–49毫秒。

签名只能证明工具由谁发布，不能保证它运行时不泄露数据：一个签名有效、功能正常的MCP工具可以把早前调用中的敏感条目夹带进发往策略允许目的地的请求，Meta的MCPGuard-Dynamic在全部七种配置下都未能拦住。Germline执行改为不检查工具代码，而是让每次调用在从无数据母本进程分叉出的临时副本中运行，每个副本只拿到其目的地有权看到的数据。在153次攻击运行中未检出未授权泄露，而基线防御与消融为5.9%–74.5%；单副本调用耗时10–49毫秒。

经典神经缩放定律把超额风险写成容量与数据规模的幂律，并假定最优算力分配指数在各尺度上不变。该分析用Mellin–Barnes围道积分把容量轴上的有限尺度偏离拆成三项展开，用KKT对偶把多域混合化为标量注水，并证明分配指数随容量与数据指数方差成比例漂移。在45组算子谱、Pythia、Chinchilla的245次运行与RegMix的17个域上，估计器给出留出误差并降低高算力分配遗憾。

经典神经缩放定律把超额风险写成容量与数据规模的幂律，并假定最优算力分配指数在各尺度上不变。该分析用Mellin–Barnes围道积分把容量轴上的有限尺度偏离拆成三项展开，用KKT对偶把多域混合化为标量注水，并证明分配指数随容量与数据指数方差成比例漂移。在45组算子谱、Pythia、Chinchilla的245次运行与RegMix的17个域上，估计器给出留出误差并降低高算力分配遗憾。

高亮度大型强子对撞机的径迹重建通常只保留横动量较高的带电粒子，横动量门槛会丢掉九成以上的粒子。AlphaHits-TrackFormer改为直接处理完整TrackML事例中的像素与条带探测器命中，不对目标径迹设横动量选择，在820个测试事例上取得0.959的TrackML得分。同一框架经径迹预训练后联合微调，用共享的命中级表示同时输出径迹、喷注、喷注味和事例级观测量，Higgs事例分类AUC达0.944。

高亮度大型强子对撞机的径迹重建通常只保留横动量较高的带电粒子，横动量门槛会丢掉九成以上的粒子。AlphaHits-TrackFormer改为直接处理完整TrackML事例中的像素与条带探测器命中，不对目标径迹设横动量选择，在820个测试事例上取得0.959的TrackML得分。同一框架经径迹预训练后联合微调，用共享的命中级表示同时输出径迹、喷注、喷注味和事例级观测量，Higgs事例分类AUC达0.944。

马里兰大学等团队发布的RawMod把每个位点上多条读段的纳米孔原始信号堆叠起来，与参考序列的预期信号逐位比较，用单个0.23M参数模型判断该位点是否存在修饰，而不区分修饰类型。在覆盖5mC、5hmC、4mC、6mA和5hmU五类修饰、跨细菌、噬菌体、植物、小鼠、人类与合成DNA的15个数据集上，它的平均AUROC为0.964，已发表模型中最高者为Dorado 4mC+5mC的0.799。它不需要同一样本的未修饰对照，但训练中未出现的修饰类型只有在同一碱基的另一种修饰参与训练时才能零样本迁移。

马里兰大学等团队发布的RawMod把每个位点上多条读段的纳米孔原始信号堆叠起来，与参考序列的预期信号逐位比较，用单个0.23M参数模型判断该位点是否存在修饰，而不区分修饰类型。在覆盖5mC、5hmC、4mC、6mA和5hmU五类修饰、跨细菌、噬菌体、植物、小鼠、人类与合成DNA的15个数据集上，它的平均AUROC为0.964，已发表模型中最高者为Dorado 4mC+5mC的0.799。它不需要同一样本的未修饰对照，但训练中未出现的修饰类型只有在同一碱基的另一种修饰参与训练时才能零样本迁移。

区域空气质量预报长期依赖在线耦合的数值化学天气模式，其技巧受气象初值、排放清单和侧边界条件牵制。CWAI把气象、颗粒物与反应性气体当作一个联合大气状态，用连续两个时刻的状态、排放和地表描述符驱动分层Swin Transformer，递归40个6小时步长得到10天预报。在2020年1月和7月共62个起报的WRF-Chem对照中，CWAI对六种地面污染物的初始化加权RMSE全部更低，降幅从PM2.5的15.8%到NO2的25.8%。

区域空气质量预报长期依赖在线耦合的数值化学天气模式，其技巧受气象初值、排放清单和侧边界条件牵制。CWAI把气象、颗粒物与反应性气体当作一个联合大气状态，用连续两个时刻的状态、排放和地表描述符驱动分层Swin Transformer，递归40个6小时步长得到10天预报。在2020年1月和7月共62个起报的WRF-Chem对照中，CWAI对六种地面污染物的初始化加权RMSE全部更低，降幅从PM2.5的15.8%到NO2的25.8%。

在Aharonov-Casher连续模型上，神经量子态变分蒙特卡洛同时容纳分数陈绝缘体与广义维格纳晶体两类基态，并在最多36个电子、强能带混合的条件下给出分数填充相图。两种波函数分别以通量附着和Slater-Jastrow形式描述拓扑有序与晶序，并在小体系上与多能带精确对角化能量对齐。结果显示量子几何越不均匀，1/3填充的劳克林型态能量几乎不变，而2/5填充的Jain型态能量下降，两者对离散平移对称性的响应不同。

在Aharonov-Casher连续模型上，神经量子态变分蒙特卡洛同时容纳分数陈绝缘体与广义维格纳晶体两类基态，并在最多36个电子、强能带混合的条件下给出分数填充相图。两种波函数分别以通量附着和Slater-Jastrow形式描述拓扑有序与晶序，并在小体系上与多能带精确对角化能量对齐。结果显示量子几何越不均匀，1/3填充的劳克林型态能量几乎不变，而2/5填充的Jain型态能量下降，两者对离散平移对称性的响应不同。

对状态转移未知的单调动力系统，安全验证此前要靠密集采样或 Lipschitz 界，样本量随维度指数增长。Max-Monotone Networks 把单调性写进网络结构，使全局安全条件化为有限个边界单元上的检查，训练损失归零即得到形式化有效的屏障证书。在 9000 维 Kuramoto 振荡器网络和 1000 维高速公路交通网络上，该方法完成认证，而两个对照方法不收敛或超出内存。

对状态转移未知的单调动力系统，安全验证此前要靠密集采样或 Lipschitz 界，样本量随维度指数增长。Max-Monotone Networks 把单调性写进网络结构，使全局安全条件化为有限个边界单元上的检查，训练损失归零即得到形式化有效的屏障证书。在 9000 维 Kuramoto 振荡器网络和 1000 维高速公路交通网络上，该方法完成认证，而两个对照方法不收敛或超出内存。

BioXArena-Pro 把生物医学建模评测换成 64 道来自已发表研究的研究级任务，多数任务整组留出物种、队列或细胞系等生物单元，并经过多轮审计以堵住标签泄漏。22 种智能体配置中最高分为 55.1（满分 100），没有任何任务被做到饱和；在与原研究接近的 9 道题上，最强智能体与复现的已发表方法打平（54.9 对 54.7），而在重建划分的 48 道题上方法落后 8.2 分。

BioXArena-Pro 把生物医学建模评测换成 64 道来自已发表研究的研究级任务，多数任务整组留出物种、队列或细胞系等生物单元，并经过多轮审计以堵住标签泄漏。22 种智能体配置中最高分为 55.1（满分 100），没有任何任务被做到饱和；在与原研究接近的 9 道题上，最强智能体与复现的已发表方法打平（54.9 对 54.7），而在重建划分的 48 道题上方法落后 8.2 分。

f-LENNS把常规分辨率的功能磁共振幅度图像超分辨到1毫米各向同性，让介观尺度的功能组织不必依赖超高场扫描仪。模型只用域随机化的合成MRI训练，不含对抗或生成成分，因此无需重训即可用于不同场强、序列与分辨率的实验数据。在视觉皮层，超分辨后的色觉、运动与视差选择区定位比插值上采样和锐化更接近原始高分辨率采集。

f-LENNS把常规分辨率的功能磁共振幅度图像超分辨到1毫米各向同性，让介观尺度的功能组织不必依赖超高场扫描仪。模型只用域随机化的合成MRI训练，不含对抗或生成成分，因此无需重训即可用于不同场强、序列与分辨率的实验数据。在视觉皮层，超分辨后的色觉、运动与视差选择区定位比插值上采样和锐化更接近原始高分辨率采集。

现有安全微调协议把每一步的隐藏表示或logits交给数据方，数据方据此就能复制服务方的LoRA适配器：仅一个含32条样本的小批量，隐藏表示即可让复制品在99.2%的测试输入上与原件一致，只用logits也约94%。VeilTune改为在安全多方计算中完整执行前向、反向传播与Adam更新，只把训练好的适配器交给模型方，在RoBERTa-large的四个少样本任务上平均比SecP-Tuning高5.3个百分点，并与明文训练相差0.3至1.7个百分点。

现有安全微调协议把每一步的隐藏表示或logits交给数据方，数据方据此就能复制服务方的LoRA适配器：仅一个含32条样本的小批量，隐藏表示即可让复制品在99.2%的测试输入上与原件一致，只用logits也约94%。VeilTune改为在安全多方计算中完整执行前向、反向传播与Adam更新，只把训练好的适配器交给模型方，在RoBERTa-large的四个少样本任务上平均比SecP-Tuning高5.3个百分点，并与明文训练相差0.3至1.7个百分点。

全同态加密能让云端在密文上直接做Transformer推理，但旋转和格式转换的开销一直拖慢速度。MOAI把列打包与对角打包串成一条贯穿各层的固定流程，并用免旋转算法计算Softmax和LayerNorm，在BERT-base的全部矩阵乘法中只需9648次同态旋转。在单块A100 GPU上，它的端到端评估时间比THOR减少52.8%，摊薄到每条输入2.36分钟。

全同态加密能让云端在密文上直接做Transformer推理，但旋转和格式转换的开销一直拖慢速度。MOAI把列打包与对角打包串成一条贯穿各层的固定流程，并用免旋转算法计算Softmax和LayerNorm，在BERT-base的全部矩阵乘法中只需9648次同态旋转。在单块A100 GPU上，它的端到端评估时间比THOR减少52.8%，摊薄到每条输入2.36分钟。

上海交通大学等机构构建约4.7万小时多源数据池，把预训练视频模型的语言—视频先验延伸到语言—视频—动作学习，形成世界动作模型SWAM。在RoboTwin 2.0的50个操作任务上，SWAM在随机化Hard设置下成功率为61.56%，比最强基线OpenWAM高12.86个百分点；在干净Easy设置下为88.10%，略低于OpenWAM的89.30%。真实双臂平台上，三个任务平均Hard成功率40.00%，OpenWAM为23.33%。

上海交通大学等机构构建约4.7万小时多源数据池，把预训练视频模型的语言—视频先验延伸到语言—视频—动作学习，形成世界动作模型SWAM。在RoboTwin 2.0的50个操作任务上，SWAM在随机化Hard设置下成功率为61.56%，比最强基线OpenWAM高12.86个百分点；在干净Easy设置下为88.10%，略低于OpenWAM的89.30%。真实双臂平台上，三个任务平均Hard成功率40.00%，OpenWAM为23.33%。

BridgeKV 让同一模型家族里的大模型只做一次预填，再由一个轻量 KV 拼接模块把大模型的提示缓存翻译成小模型的原生缓存布局，之后每个输出 token 只由小模型生成。在六个模型对、五个数据集共 30 个设置上，它的得分都高于可训练参数量匹配的微调小模型基线，最多补上与大模型两阶段推理之间 80% 的质量差距。单张 A40 上，Llama-3.1-Instruct-8B→Llama-3.2-Instruct-1B 处理 1K 提示、256 输出 token 用时 2.96 秒，接近小模型单独运行的 2.80 秒，比大模型单独运行的 8.83 秒快 3.0 倍。

BridgeKV 让同一模型家族里的大模型只做一次预填，再由一个轻量 KV 拼接模块把大模型的提示缓存翻译成小模型的原生缓存布局，之后每个输出 token 只由小模型生成。在六个模型对、五个数据集共 30 个设置上，它的得分都高于可训练参数量匹配的微调小模型基线，最多补上与大模型两阶段推理之间 80% 的质量差距。单张 A40 上，Llama-3.1-Instruct-8B→Llama-3.2-Instruct-1B 处理 1K 提示、256 输出 token 用时 2.96 秒，接近小模型单独运行的 2.80 秒，比大模型单独运行的 8.83 秒快 3.0 倍。

随机扩散采样器一直比确定性采样器慢，提高近似阶数也未必能改善其强收敛阶。F-DDPM把数据预测模型改在由前一步预测和已注入噪声构造的更干净前瞻点上评估，每步仍只做一次模型评估，并具有一阶强收敛保证。在CIFAR-10、ImageNet、FFHQ和LSUN上，它在相同NFE预算下的FID低于所比较的随机基线；用1.5倍NFE时，在许多设置中接近或优于确定性基线。

随机扩散采样器一直比确定性采样器慢，提高近似阶数也未必能改善其强收敛阶。F-DDPM把数据预测模型改在由前一步预测和已注入噪声构造的更干净前瞻点上评估，每步仍只做一次模型评估，并具有一阶强收敛保证。在CIFAR-10、ImageNet、FFHQ和LSUN上，它在相同NFE预算下的FID低于所比较的随机基线；用1.5倍NFE时，在许多设置中接近或优于确定性基线。

AudioSphere 把自监督音频预训练从单声道扩展到多声道：以 Ambisonics 格式的四声道录音为输入，用掩码自编码器同时重建频谱与强度矢量，使冻结骨干在浅层探针下即可完成真实场景的声事件检测与定位。此前单声道模型对空间结构不可见，而空间模型依赖片段级监督。在 HEAR 上该模型聚合得分 83.2，并同时支持帧级定位。

AudioSphere 把自监督音频预训练从单声道扩展到多声道：以 Ambisonics 格式的四声道录音为输入，用掩码自编码器同时重建频谱与强度矢量，使冻结骨干在浅层探针下即可完成真实场景的声事件检测与定位。此前单声道模型对空间结构不可见，而空间模型依赖片段级监督。在 HEAR 上该模型聚合得分 83.2，并同时支持帧级定位。

对已训练好的物理代理模型，可以在测试时按对称群对输入变换、把输出变换回来再平均，从而在不改结构、不重训的前提下强制对称。紧致群上这一做法有已知的风险不增保证，并在 The Well 的多个代理模型上降低了误差；对单位缩放群和洛伦兹群这类非紧致群，归一化平均不再成立，Weyl 技巧与框架平均只在分布外或低数据情形带来明显收益，而直接用不变特征训练的模型与之相当或更好。

对已训练好的物理代理模型，可以在测试时按对称群对输入变换、把输出变换回来再平均，从而在不改结构、不重训的前提下强制对称。紧致群上这一做法有已知的风险不增保证，并在 The Well 的多个代理模型上降低了误差；对单位缩放群和洛伦兹群这类非紧致群，归一化平均不再成立，Weyl 技巧与框架平均只在分布外或低数据情形带来明显收益，而直接用不变特征训练的模型与之相当或更好。

分层联合嵌入预测架构（H-JEPA）此前靠测试时对动作做梯度下降来规划，迭代求解器在长程任务上占去单回合运行时间的96.6%–97.7%。WARP-JEPA在保持世界模型冻结的前提下，用学习到的多候选轨迹提议器替代在线优化，并在生成循环内调用冻结预测器完成候选打分。在30个冻结的2、3、4层模型、四个基准上，长程任务单回合推理加速9.6–18.8倍（Cube上为2.9–3.0倍），任务成功率最高提升33.3个百分点。

分层联合嵌入预测架构（H-JEPA）此前靠测试时对动作做梯度下降来规划，迭代求解器在长程任务上占去单回合运行时间的96.6%–97.7%。WARP-JEPA在保持世界模型冻结的前提下，用学习到的多候选轨迹提议器替代在线优化，并在生成循环内调用冻结预测器完成候选打分。在30个冻结的2、3、4层模型、四个基准上，长程任务单回合推理加速9.6–18.8倍（Cube上为2.9–3.0倍），任务成功率最高提升33.3个百分点。

在只有少数发电机母线装有相量测量单元、采样还断续缺失的条件下，一种物理约束的图神经算子把测量窗口直接映射为全部机组的转子角与转速轨迹，未装传感器的机组也包含在内，且训练不需要状态标签。它把摆方程作为硬约束，或作为带可学习修正项的软约束以吸收模型误差；在9节点、Kundur、39节点和118节点系统上，它是既不逐场景优化、也不用状态标签的估计器中误差最低的一个，例外是9节点系统在大模型误差下被调好的卡尔曼平滑器超过。

在只有少数发电机母线装有相量测量单元、采样还断续缺失的条件下，一种物理约束的图神经算子把测量窗口直接映射为全部机组的转子角与转速轨迹，未装传感器的机组也包含在内，且训练不需要状态标签。它把摆方程作为硬约束，或作为带可学习修正项的软约束以吸收模型误差；在9节点、Kundur、39节点和118节点系统上，它是既不逐场景优化、也不用状态标签的估计器中误差最低的一个，例外是9节点系统在大模型误差下被调好的卡尔曼平滑器超过。

不同实验室的脑电帽电极数量与排布不同，记录甚至不共享同一个观测空间，跨数据集解码因此长期受限。hTSMNet 在解码骨干前加了一个由电极坐标生成的线性映射，把任意电极布局投影到 15 个固定头皮锚点，映射不含受试者专属参数，未见过的受试者与数据集可直接零样本对齐。在三个运动想象数据集、172 名受试者的留一数据集基准上，它零样本与最强对照持平，加入少量只重训末层分类器的校准试次后在每个数据集上都取得最高准确率。

不同实验室的脑电帽电极数量与排布不同，记录甚至不共享同一个观测空间，跨数据集解码因此长期受限。hTSMNet 在解码骨干前加了一个由电极坐标生成的线性映射，把任意电极布局投影到 15 个固定头皮锚点，映射不含受试者专属参数，未见过的受试者与数据集可直接零样本对齐。在三个运动想象数据集、172 名受试者的留一数据集基准上，它零样本与最强对照持平，加入少量只重训末层分类器的校准试次后在每个数据集上都取得最高准确率。

量子动力学模拟的“量子优势”判断依赖经典与量子两侧不断更新的方法组合，单篇论文给出的交叉点很快过时。QSim-Arena把这一评估做成由AI智能体维护的闭环系统：智能体把文献中的技术转成可执行组件，复现已发表数值后才允许排名，并由未参与产出的另一条通道独立核验。以Sun等人的容错交叉研究路线为基线，智能体在一周内引入三项已发表技术，使四个哈密顿量族在16量子比特（氢链为12量子比特）下的认证运行时间分别降低21、23、25和185倍，实测运行时间各族均降为四分之一。

量子动力学模拟的“量子优势”判断依赖经典与量子两侧不断更新的方法组合，单篇论文给出的交叉点很快过时。QSim-Arena把这一评估做成由AI智能体维护的闭环系统：智能体把文献中的技术转成可执行组件，复现已发表数值后才允许排名，并由未参与产出的另一条通道独立核验。以Sun等人的容错交叉研究路线为基线，智能体在一周内引入三项已发表技术，使四个哈密顿量族在16量子比特（氢链为12量子比特）下的认证运行时间分别降低21、23、25和185倍，实测运行时间各族均降为四分之一。

埃因霍温理工大学团队把大语言模型辅助的 Dafny 形式验证组织成十步工作流，由 Claude Code 担任验证构建智能体，在人工监督下完成规格、实现、不变式与证明。该流程在 37 个图论、标记迁移系统和计算几何算法上得到机器校验的 Dafny 实现，其中包括 Hopcroft–Tarjan 三连通性测试；作者称许多验证在数小时到数天内完成，但未与人工主导的验证做对照。

埃因霍温理工大学团队把大语言模型辅助的 Dafny 形式验证组织成十步工作流，由 Claude Code 担任验证构建智能体，在人工监督下完成规格、实现、不变式与证明。该流程在 37 个图论、标记迁移系统和计算几何算法上得到机器校验的 Dafny 实现，其中包括 Hopcroft–Tarjan 三连通性测试；作者称许多验证在数小时到数天内完成，但未与人工主导的验证做对照。

对氨基酸字母做一次全局一一对应的重命名，比对层面的统计量、列熵和成对编辑距离都不变，但ESM-2、MSA Transformer和AMPLIFY的接触图会大幅崩塌，而逆协方差Potts模型逐位不变。在9个蛋白、3个种子上，ESM-2 650M随机重命名20种残基后与自身原接触集的重叠只剩0.015，限制在BLOSUM62同类组内的重命名则保留0.655。这说明这些模型的接触预测依赖规范残基身份，不能当作它们已内化协变统计的证据。

对氨基酸字母做一次全局一一对应的重命名，比对层面的统计量、列熵和成对编辑距离都不变，但ESM-2、MSA Transformer和AMPLIFY的接触图会大幅崩塌，而逆协方差Potts模型逐位不变。在9个蛋白、3个种子上，ESM-2 650M随机重命名20种残基后与自身原接触集的重叠只剩0.015，限制在BLOSUM62同类组内的重命名则保留0.655。这说明这些模型的接触预测依赖规范残基身份，不能当作它们已内化协变统计的证据。

时间分辨显微CT一次实验可产生数十到数百张三维图像，逐张分割的误差会在图像间漂移，被误读成岩石本身的变化。PoreTimeNet把同一时间窗内的多张图像一起送入共享空间编码器，用时间注意力和解码融合借用相邻时刻的信息。在碳酸盐岩溶蚀序列上，它的平均绝对孔隙度误差为0.28个百分点，忽略时间信息的3D模型为0.97个百分点，岩石边界F1由0.833升到0.941。

时间分辨显微CT一次实验可产生数十到数百张三维图像，逐张分割的误差会在图像间漂移，被误读成岩石本身的变化。PoreTimeNet把同一时间窗内的多张图像一起送入共享空间编码器，用时间注意力和解码融合借用相邻时刻的信息。在碳酸盐岩溶蚀序列上，它的平均绝对孔隙度误差为0.28个百分点，忽略时间信息的3D模型为0.97个百分点，岩石边界F1由0.833升到0.941。

PharmaDiff把三维药效团假设转成原子级子图，作为条件注入扩散生成过程，直接产出符合预设空间排布的三维分子。在GEOM-Drugs测试集随机抽取的250个药效团条件上，其平均匹配分数为0.8964、完美匹配率为0.6990，高于PGMG、TransPharmer、REINVENT4、ShEPhERD与PhoreGen；在四个靶点上平均对接分数也优于需要蛋白结构的DiffSBDD，但PoseBusters通过率低于ShEPhERD与PhoreGen。

PharmaDiff把三维药效团假设转成原子级子图，作为条件注入扩散生成过程，直接产出符合预设空间排布的三维分子。在GEOM-Drugs测试集随机抽取的250个药效团条件上，其平均匹配分数为0.8964、完美匹配率为0.6990，高于PGMG、TransPharmer、REINVENT4、ShEPhERD与PhoreGen；在四个靶点上平均对接分数也优于需要蛋白结构的DiffSBDD，但PoseBusters通过率低于ShEPhERD与PhoreGen。

多数投票测试时强化学习会让每道题在训练中锁定到一个答案，难题上常锁到错误答案，而此前只能训练结束后才知道锁到哪一个。该工作把这一过程看成开局接近的两个答案之间由采样噪声驱动的短程竞赛，并给出网络核如何通过尾部答案的更新改变领先两者差距的闭式概率。在MMLU-Pro多选题上对两个模型家族的三个模型做LoRA训练，训练前用冻结核链算出的预测比用结果重新拟合的逻辑模型更准地判断每题锁定哪个答案，且不使用拟合常数。

多数投票测试时强化学习会让每道题在训练中锁定到一个答案，难题上常锁到错误答案，而此前只能训练结束后才知道锁到哪一个。该工作把这一过程看成开局接近的两个答案之间由采样噪声驱动的短程竞赛，并给出网络核如何通过尾部答案的更新改变领先两者差距的闭式概率。在MMLU-Pro多选题上对两个模型家族的三个模型做LoRA训练，训练前用冻结核链算出的预测比用结果重新拟合的逻辑模型更准地判断每题锁定哪个答案，且不使用拟合常数。

语言智能体可以把经验写成自然语言技能文档，但部署后每完成一个任务就按单条轨迹重写技能，会让技能质量漂移。EvoGuard把每次更新变成一次二选一：离线用私有测试集给技能打效用标签，用拒绝采样保留效用差距明显的技能对，训练一个只读两个标签词logit的选择器；部署时一次前向传播即可决定新旧技能谁留下。在ALFWorld上，Qwen3-4B与Qwen3-8B执行器的平均成功率为56.5%，全盘接受重写为45.5%，无技能为36.7%。

语言智能体可以把经验写成自然语言技能文档，但部署后每完成一个任务就按单条轨迹重写技能，会让技能质量漂移。EvoGuard把每次更新变成一次二选一：离线用私有测试集给技能打效用标签，用拒绝采样保留效用差距明显的技能对，训练一个只读两个标签词logit的选择器；部署时一次前向传播即可决定新旧技能谁留下。在ALFWorld上，Qwen3-4B与Qwen3-8B执行器的平均成功率为56.5%，全盘接受重写为45.5%，无技能为36.7%。

非前缀KV缓存复用把检索到的块各自编码再拼接，会丢掉19%到100%依赖上下文的正确回答，同类干扰块还会加重损失。研究比较了把有限修复预算花在干扰块还是答案块上：恢复全部干扰块需要接近一次完整预填充，而把预算用于重算答案块，在开放域问答与API文档的九个设置中，5%预算下均胜过按token挑选的修复方法。

非前缀KV缓存复用把检索到的块各自编码再拼接，会丢掉19%到100%依赖上下文的正确回答，同类干扰块还会加重损失。研究比较了把有限修复预算花在干扰块还是答案块上：恢复全部干扰块需要接近一次完整预填充，而把预算用于重算答案块，在开放域问答与API文档的九个设置中，5%预算下均胜过按token挑选的修复方法。

离线模仿学习通常要求示范既安全又高效，或者需要人工写出代价函数，而这两者在真实场景里都难以获得。DexDICE把数据分成安全示范与高性能示范两组，用安全示范划定一个可行动的安全支撑集，再在其中逼近高性能示范的行为分布，训练全程不使用奖励或代价标签。在重新标注的DSRL基准38个任务上，它保持组平均代价低于约束并取得安全方法中最高的平均回报；在一台SUMMIT-XL移动机器人上，用20条人工遥操作示范训练后，10次试验全部到达目标且零安全违规。

离线模仿学习通常要求示范既安全又高效，或者需要人工写出代价函数，而这两者在真实场景里都难以获得。DexDICE把数据分成安全示范与高性能示范两组，用安全示范划定一个可行动的安全支撑集，再在其中逼近高性能示范的行为分布，训练全程不使用奖励或代价标签。在重新标注的DSRL基准38个任务上，它保持组平均代价低于约束并取得安全方法中最高的平均回报；在一台SUMMIT-XL移动机器人上，用20条人工遥操作示范训练后，10次试验全部到达目标且零安全违规。

长时运行的LLM智能体在上下文压缩时，会写一份交接摘要供下一个实例继续任务，而摘要里可能写出记录并不支持的权限或要求。研究用带真实权限账本的合成工具任务和同快照重放来测量这类句子：两个开放权重模型在留出实例上，经两名AI读者确认的无据限制占可读摘要的1.2%和2.4%，无据授权占0.1%和1.3%。把系统提示中“有些操作需要审批”换成说明审批要求来源的句子后，开发集摘要中的无据限制从5.0%降到1.8%，留出模板上从1.8%降到0.3%，而对账本确实要求审批的操作，请求量基本不变。

长时运行的LLM智能体在上下文压缩时，会写一份交接摘要供下一个实例继续任务，而摘要里可能写出记录并不支持的权限或要求。研究用带真实权限账本的合成工具任务和同快照重放来测量这类句子：两个开放权重模型在留出实例上，经两名AI读者确认的无据限制占可读摘要的1.2%和2.4%，无据授权占0.1%和1.3%。把系统提示中“有些操作需要审批”换成说明审批要求来源的句子后，开发集摘要中的无据限制从5.0%降到1.8%，留出模板上从1.8%降到0.3%，而对账本确实要求审批的操作，请求量基本不变。

少样本适配CLIP时，支撑集梯度的大小严重失准，但少数大幅值坐标的符号仍指向下降方向。SignSparseSGD与DynSignSparseSGD据此把梯度幅值只用于挑选更新位置，用固定幅值的符号决定更新方向，且不保存一阶、二阶动量。在11个数据集、3种CLIP骨干和5种每类样本数下，动态版本在全部15个骨干—样本数组合上取得最高平均准确率，ViT-B/16一 shot 为72.7%，比SO高1.3个百分点。

少样本适配CLIP时，支撑集梯度的大小严重失准，但少数大幅值坐标的符号仍指向下降方向。SignSparseSGD与DynSignSparseSGD据此把梯度幅值只用于挑选更新位置，用固定幅值的符号决定更新方向，且不保存一阶、二阶动量。在11个数据集、3种CLIP骨干和5种每类样本数下，动态版本在全部15个骨干—样本数组合上取得最高平均准确率，ViT-B/16一 shot 为72.7%，比SO高1.3个百分点。

时空预测的扩散模型通常给每个未来帧加独立噪声，把时间相关性全部交给去噪网络学习。DSSD改为用可学习的对角状态空间模型构造加噪过程本身的时间算子，其衰减率与频率与去噪器联合训练，并用该模型平稳协方差的Cholesky因子保证算子因果、可逆且每帧噪声方差不变。在SEVIR、Turbulence、BAIR、RoboNet四个数据集上，它与共享同一去噪器的扩散基线比较取得更低的概率预测误差，其中SEVIR原始CRPS为3.975、最强基线DPM为4.174。

时空预测的扩散模型通常给每个未来帧加独立噪声，把时间相关性全部交给去噪网络学习。DSSD改为用可学习的对角状态空间模型构造加噪过程本身的时间算子，其衰减率与频率与去噪器联合训练，并用该模型平稳协方差的Cholesky因子保证算子因果、可逆且每帧噪声方差不变。在SEVIR、Turbulence、BAIR、RoboNet四个数据集上，它与共享同一去噪器的扩散基线比较取得更低的概率预测误差，其中SEVIR原始CRPS为3.975、最强基线DPM为4.174。

网页搜索智能体每调用一次工具，返回的长文本都会原样追加进上下文，多步之后上下文迅速膨胀并稀释注意力。Coca-Cola 改把这些观察压成少量连续隐向量，直接嵌入智能体的输入嵌入空间，并用动作保持训练让压缩前后下一步动作分布对齐。在四个问答基准和两组模型上，总 token 消耗降低 70.01%–89.24%，端到端运行时间降低 24.45%–55.97%，EM 与 F1 在各设置下均高于未压缩智能体。

网页搜索智能体每调用一次工具，返回的长文本都会原样追加进上下文，多步之后上下文迅速膨胀并稀释注意力。Coca-Cola 改把这些观察压成少量连续隐向量，直接嵌入智能体的输入嵌入空间，并用动作保持训练让压缩前后下一步动作分布对齐。在四个问答基准和两组模型上，总 token 消耗降低 70.01%–89.24%，端到端运行时间降低 24.45%–55.97%，EM 与 F1 在各设置下均高于未压缩智能体。

并行科学代码在CUDA、OpenMP与SYCL之间的翻译长期依赖固定顺序的流水线，所有错误都走同一种修复，且正确性只看编译与运行是否通过。一个由裁决驱动的编排器把翻译、编译诊断和执行验证拆成三个智能体，并按失败类型分派补丁、语义、同步或内存修复技能。在30个HeCBench内核、三个开源模型和六个翻译方向上，该流程在全部18个模型与方向组合中取得高于LASSI的验证正确率，同时最多少用52.4%的token。

并行科学代码在CUDA、OpenMP与SYCL之间的翻译长期依赖固定顺序的流水线，所有错误都走同一种修复，且正确性只看编译与运行是否通过。一个由裁决驱动的编排器把翻译、编译诊断和执行验证拆成三个智能体，并按失败类型分派补丁、语义、同步或内存修复技能。在30个HeCBench内核、三个开源模型和六个翻译方向上，该流程在全部18个模型与方向组合中取得高于LASSI的验证正确率，同时最多少用52.4%的token。

前馈立体三维重建模型一次前向就给出稠密点图，出错后没有修正机制。Click3R 在 DUSt3R 的解码器前插入轻量对应点适配器，把用户给出的少量跨视角点对应作为几何约束注入网络，无需测试时微调或优化。在自建的 Hard3DBench 上，仅一次对应点点击即可降低重建误差；100 对图像的人工标注实验中，中位旋转误差从 17.30° 降到 8.78°，mAA@30 从 36.2 升到 56.2。

前馈立体三维重建模型一次前向就给出稠密点图，出错后没有修正机制。Click3R 在 DUSt3R 的解码器前插入轻量对应点适配器，把用户给出的少量跨视角点对应作为几何约束注入网络，无需测试时微调或优化。在自建的 Hard3DBench 上，仅一次对应点点击即可降低重建误差；100 对图像的人工标注实验中，中位旋转误差从 17.30° 降到 8.78°，mAA@30 从 36.2 升到 56.2。

TactileLab 把触觉仿真里的切向运动从软体形变计算中拆出来，改用刚体仿真直接生成稠密的触觉流场，与接触深度图一起作为策略输入。此前刚体触觉仿真通常只给深度类信号，难以表达剪切与滑移，而软体仿真虽能刻画形变却难以支撑大规模强化学习。在双臂跟随与灵巧手转物两类接触密集任务上，含触觉流的策略收敛更快，真机部署时深度加触觉流的策略在圆柱、圆形与方块三类物体上完成旋转最多。

TactileLab 把触觉仿真里的切向运动从软体形变计算中拆出来，改用刚体仿真直接生成稠密的触觉流场，与接触深度图一起作为策略输入。此前刚体触觉仿真通常只给深度类信号，难以表达剪切与滑移，而软体仿真虽能刻画形变却难以支撑大规模强化学习。在双臂跟随与灵巧手转物两类接触密集任务上，含触觉流的策略收敛更快，真机部署时深度加触觉流的策略在圆柱、圆形与方块三类物体上完成旋转最多。

网页平台在新页面还没有人工标签时就要分类，大语言模型逐页给出的标签有噪声，而链接在不同站点含义相反：购物站常连同类别商品，高校站点多连不同类别页面。ZeroPolar把链接进入预测的符号称为结构极性，用大语言模型标签与文本原型预测沿边的超额一致度在无真实标签下读出该符号，再执行一步带符号传播。每页一个GPT-4o标签时，ZeroPolar-T在十一个图上取得最高均值73.99%，比LLM-BP高6.01个百分点。

网页平台在新页面还没有人工标签时就要分类，大语言模型逐页给出的标签有噪声，而链接在不同站点含义相反：购物站常连同类别商品，高校站点多连不同类别页面。ZeroPolar把链接进入预测的符号称为结构极性，用大语言模型标签与文本原型预测沿边的超额一致度在无真实标签下读出该符号，再执行一步带符号传播。每页一个GPT-4o标签时，ZeroPolar-T在十一个图上取得最高均值73.99%，比LLM-BP高6.01个百分点。

多智能体系统的自动设计此前多在任务层面进行，为整个基准优化一套固定工作流并统一套用到所有查询。OOPMAS把设计粒度降到单条查询：冻结的大模型作为元智能体，先按查询生成带角色、工具和持久状态的对象式智能体，再生成可执行的主函数工作流，并用动态技能库从执行反馈中积累结构化经验、无需梯度更新。在混合代码、数学与问答的基准上，OOPMAS取得89.6%总体准确率，比最强基线ADAS高18.1个百分点。

多智能体系统的自动设计此前多在任务层面进行，为整个基准优化一套固定工作流并统一套用到所有查询。OOPMAS把设计粒度降到单条查询：冻结的大模型作为元智能体，先按查询生成带角色、工具和持久状态的对象式智能体，再生成可执行的主函数工作流，并用动态技能库从执行反馈中积累结构化经验、无需梯度更新。在混合代码、数学与问答的基准上，OOPMAS取得89.6%总体准确率，比最强基线ADAS高18.1个百分点。

工具调用失败后，智能体能否重试、改参数或停下报告，不只取决于报错文字，也取决于这段反馈以什么形式进入对话。研究在13个3B到70B的开源模型上固定报错内容、只改变投递方式，发现把失败调用保留在历史里、再用一条新的用户消息附上运行时说明和指引，能避免Llama模型在不可恢复错误上停不下来的问题；把这一形式做成推理引擎中的可选恢复层后，ToolMaze显式错误成功率在7–8B模型上提高14.2个百分点、在32–70B模型上提高10.5个百分点，而Loud/Quiet上没有可测增益。

工具调用失败后，智能体能否重试、改参数或停下报告，不只取决于报错文字，也取决于这段反馈以什么形式进入对话。研究在13个3B到70B的开源模型上固定报错内容、只改变投递方式，发现把失败调用保留在历史里、再用一条新的用户消息附上运行时说明和指引，能避免Llama模型在不可恢复错误上停不下来的问题；把这一形式做成推理引擎中的可选恢复层后，ToolMaze显式错误成功率在7–8B模型上提高14.2个百分点、在32–70B模型上提高10.5个百分点，而Loud/Quiet上没有可测增益。

DexForesight把动作条件下的空间世界模型学到的预测特征，通过查询对齐注入灵巧操作策略的潜空间，部署时只保留策略，仅用RGB、语言和机器人状态生成动作。在11个DexJoCo仿真任务上，它把GR00T N1.7基座的整体成功率从49.4%提升到60.5%；在三个真机任务上达到58.3%，比最强基线高8.3个百分点。世界模型、深度编码器和未来预测头在推理时全部移除。

DexForesight把动作条件下的空间世界模型学到的预测特征，通过查询对齐注入灵巧操作策略的潜空间，部署时只保留策略，仅用RGB、语言和机器人状态生成动作。在11个DexJoCo仿真任务上，它把GR00T N1.7基座的整体成功率从49.4%提升到60.5%；在三个真机任务上达到58.3%，比最强基线高8.3个百分点。世界模型、深度编码器和未来预测头在推理时全部移除。

人形机器人操作中，视觉-语言-动作模型的大骨干推理慢，同步执行时机器人只能拿过时观测动作，骨干越大控制频率越低。DASH把策略拆成慢速视觉-语言模型与快速流匹配动作头，经LCM协议以三个并发进程运行，控制频率只由动作头决定。在按模拟时间计入推理延迟的RoboTwin基准上，DASH在0.8B到8B骨干下都保持20赫兹，同步管线则从9.7赫兹降到4.1赫兹，且各规模成功率更高；真实灵巧手人形上，抓放成功为23/24，同步管线为16/24。

人形机器人操作中，视觉-语言-动作模型的大骨干推理慢，同步执行时机器人只能拿过时观测动作，骨干越大控制频率越低。DASH把策略拆成慢速视觉-语言模型与快速流匹配动作头，经LCM协议以三个并发进程运行，控制频率只由动作头决定。在按模拟时间计入推理延迟的RoboTwin基准上，DASH在0.8B到8B骨干下都保持20赫兹，同步管线则从9.7赫兹降到4.1赫兹，且各规模成功率更高；真实灵巧手人形上，抓放成功为23/24，同步管线为16/24。

回归模型在高风险决策中需要同时给出点估计、风险区间和弃权选项，而此前区间方法与选择性预测各自只提供其中一部分。SelPI把区间头、取值头和两个弃权门放在同一个损失下联合训练，并用Fréchet惩罚把两个门的预算与联合接受率绑定。在18个表格基准上，区间宽度能较好预测大的点误差，却与区间未命中呈负相关，因此按宽度弃权会丢掉区间本来正确的输入；固定基础预测器后，学到的门在全部18个表格数据集上按区间评分优于宽度阈值，并随任务异方差性增强而扩大优势。

回归模型在高风险决策中需要同时给出点估计、风险区间和弃权选项，而此前区间方法与选择性预测各自只提供其中一部分。SelPI把区间头、取值头和两个弃权门放在同一个损失下联合训练，并用Fréchet惩罚把两个门的预算与联合接受率绑定。在18个表格基准上，区间宽度能较好预测大的点误差，却与区间未命中呈负相关，因此按宽度弃权会丢掉区间本来正确的输入；固定基础预测器后，学到的门在全部18个表格数据集上按区间评分优于宽度阈值，并随任务异方差性增强而扩大优势。

医学与天文成像数据比自然图像大几个数量级，而肿瘤、星系等目标只占极小区域，量化、剪枝这类均匀压缩会同时压低这些关键区域的精度。Conformal Adaptation 先用低分辨率模型筛出候选区域，再用共形风险控制校准阈值，使被丢弃区域携带的真实信号质量在期望上不超过用户设定的比例，随后只对选中区域做稀疏细化。在脑肿瘤分割、头颈癌分割、钙成像脉冲率推断和星系通量场超分辨等任务上，该流程在保持相近精度的同时减少计算量，其中 VISTA3D 在纯 CPU 推理下取得最高 82.10 倍的浮点运算加速。

医学与天文成像数据比自然图像大几个数量级，而肿瘤、星系等目标只占极小区域，量化、剪枝这类均匀压缩会同时压低这些关键区域的精度。Conformal Adaptation 先用低分辨率模型筛出候选区域，再用共形风险控制校准阈值，使被丢弃区域携带的真实信号质量在期望上不超过用户设定的比例，随后只对选中区域做稀疏细化。在脑肿瘤分割、头颈癌分割、钙成像脉冲率推断和星系通量场超分辨等任务上，该流程在保持相近精度的同时减少计算量，其中 VISTA3D 在纯 CPU 推理下取得最高 82.10 倍的浮点运算加速。

Möbius把运动生成中的整个去噪过程放进与运动理解共用的多模态表示空间，干净运动、带噪运动和文本一起参与共享注意力，不再依赖离散分词器或预训练运动VAE。在HumanML3D上，0.6B版本在文本到运动生成和运动描述两项任务上均优于扩散模型、语言模型及统一运动-语言基线；扩展到1.7B参数、1700小时运动数据后，各运动-语言任务进一步提升。

Möbius把运动生成中的整个去噪过程放进与运动理解共用的多模态表示空间，干净运动、带噪运动和文本一起参与共享注意力，不再依赖离散分词器或预训练运动VAE。在HumanML3D上，0.6B版本在文本到运动生成和运动描述两项任务上均优于扩散模型、语言模型及统一运动-语言基线；扩展到1.7B参数、1700小时运动数据后，各运动-语言任务进一步提升。

FunFormer 把 20 kb 序列压成固定数量 token 做二分类调控活性预测，并配一个架构与参数量完全相同、只读中心 1 kb 的对照，在六种脊椎动物间互相迁移。种内 20 kb 版本在全部六个基因组上平均 AUROC 都最高，比三个已发表 1 kb 基线高 1.0 到 3.8 个百分点；但跨物种时这部分上下文收益随分化衰减，到羊膜动物分歧处接近零，在 320 到 435 百万年间反转为负，而 1 kb 模型仍能迁移进鱼类。

FunFormer 把 20 kb 序列压成固定数量 token 做二分类调控活性预测，并配一个架构与参数量完全相同、只读中心 1 kb 的对照，在六种脊椎动物间互相迁移。种内 20 kb 版本在全部六个基因组上平均 AUROC 都最高，比三个已发表 1 kb 基线高 1.0 到 3.8 个百分点；但跨物种时这部分上下文收益随分化衰减，到羊膜动物分歧处接近零，在 320 到 435 百万年间反转为负，而 1 kb 模型仍能迁移进鱼类。

IBM 发布 LLMON（LLM Object Notation）标记语言，以及基于 Granite 4.1 3B 和 8B 基座训练的两个实验预览模型 granite-4.1-3b-LLMON-preview 与 granite-4.1-8b-LLMON-preview，让模型按显式标签区分指令、数据与约束。在 OPI 基准上，LLMON 模型比测试中最好的前沿模型多挡住 47% 的攻击、比最好的开源模型多挡住 95%，同时通用能力与 Granite 4.1 Instruct 相当。这是实验性预览，官方说明可用于探索与评估，但不适合生产部署。

IBM 发布 LLMON（LLM Object Notation）标记语言，以及基于 Granite 4.1 3B 和 8B 基座训练的两个实验预览模型 granite-4.1-3b-LLMON-preview 与 granite-4.1-8b-LLMON-preview，让模型按显式标签区分指令、数据与约束。在 OPI 基准上，LLMON 模型比测试中最好的前沿模型多挡住 47% 的攻击、比最好的开源模型多挡住 95%，同时通用能力与 Granite 4.1 Instruct 相当。这是实验性预览，官方说明可用于探索与评估，但不适合生产部署。

在一维离散泊松算子上训练五类算子模型后，误差并不按波数依次被学会，而是滞留在驱动训练更新的核的小特征值方向上。正弦基对齐的谱算子与线性傅里叶神经算子每个波数各有学习速率，误差堆在高波数；稠密网络的特征方向在正弦基里接近随机，误差在各波数几乎等幅，相对误差随波数上升只因真实解谱在衰减。去掉小批量带来的样本间耦合项后，GELU 稠密网络在两种强迫下低于 ηλ≈8×10⁻⁵ 的平方误差份额都不到 0.1%。

在一维离散泊松算子上训练五类算子模型后，误差并不按波数依次被学会，而是滞留在驱动训练更新的核的小特征值方向上。正弦基对齐的谱算子与线性傅里叶神经算子每个波数各有学习速率，误差堆在高波数；稠密网络的特征方向在正弦基里接近随机，误差在各波数几乎等幅，相对误差随波数上升只因真实解谱在衰减。去掉小批量带来的样本间耦合项后，GELU 稠密网络在两种强迫下低于 ηλ≈8×10⁻⁵ 的平方误差份额都不到 0.1%。

在推理阶段给预训练流匹配模型加等式约束时，常见做法是反复修正预测端点，但离散修正会扰动已学到的物理结构。MAFM改为让一个持续存在的端点锚点在常微分方程驱动下连续演化，把模型引导的切向运动与法向的约束吸引分开。在Poisson、Burgers、反应扩散、Euler和Navier–Stokes五个PDE基准上，MAFM都达到预设约束容差，并在同样满足容差的基线中取得更低的样本级相对误差。

在推理阶段给预训练流匹配模型加等式约束时，常见做法是反复修正预测端点，但离散修正会扰动已学到的物理结构。MAFM改为让一个持续存在的端点锚点在常微分方程驱动下连续演化，把模型引导的切向运动与法向的约束吸引分开。在Poisson、Burgers、反应扩散、Euler和Navier–Stokes五个PDE基准上，MAFM都达到预设约束容差，并在同样满足容差的基线中取得更低的样本级相对误差。

遥感变化检测通常依赖大量跨时相、像素级标注，跨区域和跨平台难以扩展。SpotDiff把DINOv3语义特征、AnyUp像素级特征重建与SAM 3文本引导区域提议组合成免训练流程，只在提议区域内比较两期重建特征的余弦相似度。在LEVIR-CD上，ViT-7B版本达到82.46 F1，比此前最强的免训练方法高2.06个点；SECOND上建筑变化IoU提升10.3。

遥感变化检测通常依赖大量跨时相、像素级标注，跨区域和跨平台难以扩展。SpotDiff把DINOv3语义特征、AnyUp像素级特征重建与SAM 3文本引导区域提议组合成免训练流程，只在提议区域内比较两期重建特征的余弦相似度。在LEVIR-CD上，ViT-7B版本达到82.46 F1，比此前最强的免训练方法高2.06个点；SECOND上建筑变化IoU提升10.3。

无配对医学图像翻译此前把结构保持与外观生成压进同一个源到目标映射，缺少配对监督时容易丢失血管或扭曲黄斑无血管区。该工作把两者拆开：先学习一个跨模态共享的结构潜空间，再冻结结构编码器，用条件流模型只渲染目标模态外观。在OCT到OCTA与脑MR到CT两个任务上，它优于所有无配对基线，并在无配对训练下超过配对基线，OCT到OCTA的PSNR最高提升11.2%、SSIM最高提升26.4%。

无配对医学图像翻译此前把结构保持与外观生成压进同一个源到目标映射，缺少配对监督时容易丢失血管或扭曲黄斑无血管区。该工作把两者拆开：先学习一个跨模态共享的结构潜空间，再冻结结构编码器，用条件流模型只渲染目标模态外观。在OCT到OCTA与脑MR到CT两个任务上，它优于所有无配对基线，并在无配对训练下超过配对基线，OCT到OCTA的PSNR最高提升11.2%、SSIM最高提升26.4%。

靶向药物设计的生成模型长期把蛋白—配体相互作用压成一个对接分数，掩盖了同一靶点上不同结合模式的功能差异。BindMol按参考复合物结构把结合口袋聚类成若干热点，每个热点对应一个奖励维度，再用偏好条件化的多目标强化学习同时优化这些冲突目标。在parp1、fa7、5ht1b、braf、jak2五个靶点上，其新颖命中率分别为42.617、24.580、42.149、30.767、44.864，高于GEAM的40.635、17.903、36.667、27.887、42.025，并在braf与jak2上更频繁复现晶体结构对应的I型与II型结合模式。

靶向药物设计的生成模型长期把蛋白—配体相互作用压成一个对接分数，掩盖了同一靶点上不同结合模式的功能差异。BindMol按参考复合物结构把结合口袋聚类成若干热点，每个热点对应一个奖励维度，再用偏好条件化的多目标强化学习同时优化这些冲突目标。在parp1、fa7、5ht1b、braf、jak2五个靶点上，其新颖命中率分别为42.617、24.580、42.149、30.767、44.864，高于GEAM的40.635、17.903、36.667、27.887、42.025，并在braf与jak2上更频繁复现晶体结构对应的I型与II型结合模式。

类星体光变常被当作阻尼随机游走（DRW）来检验周期信号是否显著，但噪声模型选错会让显著性估计系统性偏移。Nullasar用流匹配从整批合成光变曲线中学习随机变异的统计结构，不预设噪声模型，再以单条观测曲线为条件生成零假设样本。在合成AR(2)光变上，它的周期检测AUC为0.9648（三次独立训练平均），高于逐条拟合AR(2)的0.9180；在AR(1)情形下与拟合正确DRW模型相当。

类星体光变常被当作阻尼随机游走（DRW）来检验周期信号是否显著，但噪声模型选错会让显著性估计系统性偏移。Nullasar用流匹配从整批合成光变曲线中学习随机变异的统计结构，不预设噪声模型，再以单条观测曲线为条件生成零假设样本。在合成AR(2)光变上，它的周期检测AUC为0.9648（三次独立训练平均），高于逐条拟合AR(2)的0.9180；在AR(1)情形下与拟合正确DRW模型相当。

Curiosity-0826-4B 把基于 Epic Cosmos 病历的生成式医疗事件基础模型从成人扩展到儿科，并加入死亡与右删失的显式表示。模型参数从 1B 增至 4.3B、上下文从 8K 增至 16K，在两者都支持的任务上总体持平或超过 Curiosity-0226-1B，实验室值预测的平均绝对误差降低 18–46%。儿科哮喘新发与急性发作的 AUROC 与成人参照队列相当，镰状细胞危象则低于成人。

Curiosity-0826-4B 把基于 Epic Cosmos 病历的生成式医疗事件基础模型从成人扩展到儿科，并加入死亡与右删失的显式表示。模型参数从 1B 增至 4.3B、上下文从 8K 增至 16K，在两者都支持的任务上总体持平或超过 Curiosity-0226-1B，实验室值预测的平均绝对误差降低 18–46%。儿科哮喘新发与急性发作的 AUROC 与成人参照队列相当，镰状细胞危象则低于成人。

微分平坦系统的规划与控制依赖一个平坦输出，但一般非线性系统没有通用办法把它写出来。FlatSeek把平坦性定义中的重构关系反过来用：先给定输出与重构映射，再微分闭合出相容动力学，从而批量得到带证书的系统—输出配对，并用LoRA微调Qwen3.5-2B提出候选，由符号验证器判定。在文献与合成基准上，FlatSeek分别命中74个和171个系统，最强传统符号方法为58个和127个。

微分平坦系统的规划与控制依赖一个平坦输出，但一般非线性系统没有通用办法把它写出来。FlatSeek把平坦性定义中的重构关系反过来用：先给定输出与重构映射，再微分闭合出相容动力学，从而批量得到带证书的系统—输出配对，并用LoRA微调Qwen3.5-2B提出候选，由符号验证器判定。在文献与合成基准上，FlatSeek分别命中74个和171个系统，最强传统符号方法为58个和127个。

医学影像合成常被当作“补一张缺失的模态”，但图像逼真并不等于对下游任务有用。一项跨五个公开数据集的研究把合成与任务学习绑在一起：翻译器在训练时用图像自适应的频率一致性约束结构细节，下游网络只在合成图像上的教师模型于带标签样本上优于学生时才接收其特征。在CycleGAN、CUT和SynDiff三种无配对翻译器上，翻译保真度指标均改善；脑肿瘤分割与病灶中心点检测也取得提升，且训练期组件在推理时被移除。

医学影像合成常被当作“补一张缺失的模态”，但图像逼真并不等于对下游任务有用。一项跨五个公开数据集的研究把合成与任务学习绑在一起：翻译器在训练时用图像自适应的频率一致性约束结构细节，下游网络只在合成图像上的教师模型于带标签样本上优于学生时才接收其特征。在CycleGAN、CUT和SynDiff三种无配对翻译器上，翻译保真度指标均改善；脑肿瘤分割与病灶中心点检测也取得提升，且训练期组件在推理时被移除。

从8×8的粗观测重建128×128涡量场是16倍上采样，粗网格只分辨到波数4，细尺度涡结构必须靠先验推断。SIMR-NO把重建拆成32→64和64→128两级，每级在双三次插值基底上叠加由径向波数门控的傅里叶层残差修正，再用局部卷积补足截断傅里叶基之外的特征。在Kolmogorov强迫湍流上其平均相对误差为0.2506，低于LapSRN、FNO和EDSR；在Re=1000、4000、8000的衰减均匀各向同性湍流上平均相对误差约3%，且随雷诺数变化很小。

从8×8的粗观测重建128×128涡量场是16倍上采样，粗网格只分辨到波数4，细尺度涡结构必须靠先验推断。SIMR-NO把重建拆成32→64和64→128两级，每级在双三次插值基底上叠加由径向波数门控的傅里叶层残差修正，再用局部卷积补足截断傅里叶基之外的特征。在Kolmogorov强迫湍流上其平均相对误差为0.2506，低于LapSRN、FNO和EDSR；在Re=1000、4000、8000的衰减均匀各向同性湍流上平均相对误差约3%，且随雷诺数变化很小。

从采样解数据反推偏微分方程，需要专家完成方程发现、系数估计和数值求解器配置。RSI-PDEbench 把这一流程做成 1001 个案例、42 个方程模板的基准，分无噪声、50% 高斯噪声和未见模板加偏移系数三种设定；配套的 RSI-PDE 智能体用残差筛出候选方程、用相对反馈修正系数与求解器，并以验证门保留改进。四个前沿模型上，其平均通过率相对单次运行基线提升 106.5%–181.9%，相对原生智能体框架提升 3.0%–19.6%。

从采样解数据反推偏微分方程，需要专家完成方程发现、系数估计和数值求解器配置。RSI-PDEbench 把这一流程做成 1001 个案例、42 个方程模板的基准，分无噪声、50% 高斯噪声和未见模板加偏移系数三种设定；配套的 RSI-PDE 智能体用残差筛出候选方程、用相对反馈修正系数与求解器，并以验证门保留改进。四个前沿模型上，其平均通过率相对单次运行基线提升 106.5%–181.9%，相对原生智能体框架提升 3.0%–19.6%。

AI安全政策需要吸纳多元意见，但公众难以直接参与每一场讨论。研究构建“多元智能体”，让每个AI智能体先访谈所代表的人，再在多智能体讨论中为其发声，由政策撰写智能体逐轮起草并修订预算方案。预注册实验中746名参与者认为这一流程优于把意见交给单一推理模型，在满意度上补回单模型基线与亲身参与之间差距的68%，在程序公正上补回82%。

AI安全政策需要吸纳多元意见，但公众难以直接参与每一场讨论。研究构建“多元智能体”，让每个AI智能体先访谈所代表的人，再在多智能体讨论中为其发声，由政策撰写智能体逐轮起草并修订预算方案。预注册实验中746名参与者认为这一流程优于把意见交给单一推理模型，在满意度上补回单模型基线与亲身参与之间差距的68%，在程序公正上补回82%。

神经网络验证器通常把输入域当作与坐标轴对齐的方盒，而信息物理系统的可达性、避障与李雅普诺夫证书往往落在斜置甚至非凸的多面体上，方盒界因此过松。Fit-LRP 在分支定界中把 LiRPA 或 α-CROWN 的最终仿射界直接对真实多面体约束做精确优化，用一串小规模线性规划取代方盒近似。在 ARCH-COMP 航天器交会基准与两个神经李雅普诺夫基准上，最难区域的分支数下降，单核 CPU 的验证速度快于 GPU 上的 α-CROWN。

神经网络验证器通常把输入域当作与坐标轴对齐的方盒，而信息物理系统的可达性、避障与李雅普诺夫证书往往落在斜置甚至非凸的多面体上，方盒界因此过松。Fit-LRP 在分支定界中把 LiRPA 或 α-CROWN 的最终仿射界直接对真实多面体约束做精确优化，用一串小规模线性规划取代方盒近似。在 ARCH-COMP 航天器交会基准与两个神经李雅普诺夫基准上，最难区域的分支数下降，单核 CPU 的验证速度快于 GPU 上的 α-CROWN。

流体代理模型长期沿用视觉领域的U形多尺度结构，但其中的重采样、跳连融合与归一化并非为流场设计。SUMNO把多重网格V循环在空间上展开成前馈U形网络，用无参数降采样与双线性上采样对应限制与延拓，并在最粗层用按各轴周期性分别处理的移位窗口注意力耦合全域。在四个流动基准的七个设置中，它在五个设置上最优、另两个居第二；在Pinball与RBC上把10步自回归MSE相对最强基线降低约30%，而参数量为9.4M。

流体代理模型长期沿用视觉领域的U形多尺度结构，但其中的重采样、跳连融合与归一化并非为流场设计。SUMNO把多重网格V循环在空间上展开成前馈U形网络，用无参数降采样与双线性上采样对应限制与延拓，并在最粗层用按各轴周期性分别处理的移位窗口注意力耦合全域。在四个流动基准的七个设置中，它在五个设置上最优、另两个居第二；在Pinball与RBC上把10步自回归MSE相对最强基线降低约30%，而参数量为9.4M。

相图数据库的构建长期依赖专家判断，而这些判断很少被记录，导致公开的CALPHAD评估难以从头重建或随新数据更新。ORCHID-SAGE把评估拆成通用协议、针对具体体系的专用协议和记录每次执行的运行卡三层，连同数据库一起打包发布。在Cr–Ni体系上，仅凭这份记录，脚本在另一台机器上、以及一个只通过MCP服务器操作的AI智能体，都重新生成了数据库，预测落在协议预先声明的容差内。

相图数据库的构建长期依赖专家判断，而这些判断很少被记录，导致公开的CALPHAD评估难以从头重建或随新数据更新。ORCHID-SAGE把评估拆成通用协议、针对具体体系的专用协议和记录每次执行的运行卡三层，连同数据库一起打包发布。在Cr–Ni体系上，仅凭这份记录，脚本在另一台机器上、以及一个只通过MCP服务器操作的AI智能体，都重新生成了数据库，预测落在协议预先声明的容差内。

颗粒流的分辨率仿真长期受限于在整张颗粒图上反复传递信息。HCG-GNN把7步消息传递中的5步移到两层占据网格粗图上，在斜面颗粒流基准中保持与常规颗粒级GNN相当的多步精度，训练快6.47倍、GPU显存少46.2%；在最多5000颗粒上训练的模型用31秒预测了10000颗粒的2秒释放，同一基准下DEM需2000秒。

颗粒流的分辨率仿真长期受限于在整张颗粒图上反复传递信息。HCG-GNN把7步消息传递中的5步移到两层占据网格粗图上，在斜面颗粒流基准中保持与常规颗粒级GNN相当的多步精度，训练快6.47倍、GPU显存少46.2%；在最多5000颗粒上训练的模型用31秒预测了10000颗粒的2秒释放，同一基准下DEM需2000秒。

Convolutional VocalTrax 把可微发声合成中逐样本推进的声道递归换成固定块卷积：先精确算出同一波导的频响，再按 5.8 毫秒分块做因果卷积，梯度只经过 FFT 和沿声道的 43 步递归。在 600 条 AudioMNIST 录音上，声道前向加反向在 A100 上快 47 到 63 倍；只用真实语音训练的 wav2vec 2.0 分类器识别其重建语音的比例为 14.5%，高于 VocalTrax 的 10.0%，尽管对数梅尔距离高出 11%。

Convolutional VocalTrax 把可微发声合成中逐样本推进的声道递归换成固定块卷积：先精确算出同一波导的频响，再按 5.8 毫秒分块做因果卷积，梯度只经过 FFT 和沿声道的 43 步递归。在 600 条 AudioMNIST 录音上，声道前向加反向在 A100 上快 47 到 63 倍；只用真实语音训练的 wav2vec 2.0 分类器识别其重建语音的比例为 14.5%，高于 VocalTrax 的 10.0%，尽管对数梅尔距离高出 11%。

从带噪的速度图像出发，可以同时重建非定常三维血流与弹性血管壁运动，而不必预先给定入口波形或初始速度。做法是把流体更新与几何更新交替进行：流体一侧用物理信息网络在移动区域上拟合观测并满足不可压缩Navier–Stokes方程，几何一侧用配准加界面牵引连续与弹性动量残差约束壁面位移。在收敛通道和类患者主动脉上，PirateNets版本的速度相对误差分别为0.0243和0.0372，低于同深度同宽度标准PINN的0.1066和0.1305。

从带噪的速度图像出发，可以同时重建非定常三维血流与弹性血管壁运动，而不必预先给定入口波形或初始速度。做法是把流体更新与几何更新交替进行：流体一侧用物理信息网络在移动区域上拟合观测并满足不可压缩Navier–Stokes方程，几何一侧用配准加界面牵引连续与弹性动量残差约束壁面位移。在收敛通道和类患者主动脉上，PirateNets版本的速度相对误差分别为0.0243和0.0372，低于同深度同宽度标准PINN的0.1066和0.1305。

蛋白质语言模型可以在不改权重的情况下被引导生成特定性质的序列，但既有激活引导把性质阳性与阴性蛋白的全局均值之差当作引导方向，忽略了这一方向会随序列背景变化。PULSE改为先按表示相似度把阳性与阴性蛋白配对，再聚合相似度加权、单位归一化的配对差来构造引导向量。在溶解度、免疫原性和毒性三个优化目标上，PULSE的最终预测性质分数与优化成功率都高于全局质心引导，其中毒性分数提升最大、免疫原性成功率提升最大。

蛋白质语言模型可以在不改权重的情况下被引导生成特定性质的序列，但既有激活引导把性质阳性与阴性蛋白的全局均值之差当作引导方向，忽略了这一方向会随序列背景变化。PULSE改为先按表示相似度把阳性与阴性蛋白配对，再聚合相似度加权、单位归一化的配对差来构造引导向量。在溶解度、免疫原性和毒性三个优化目标上，PULSE的最终预测性质分数与优化成功率都高于全局质心引导，其中毒性分数提升最大、免疫原性成功率提升最大。

金融情景生成常把扩散采样器压到很少的函数调用次数，时间网格的离散误差会悄悄扭曲协方差、尾部与回撤代理等终端报告。TAPES把网格构造当作面向终端报告的数值问题：用Richardson比较估计每步的带符号局部缺陷，经剩余离散流和终端报告伴随反向传播，再最小化其和的平方并做有上限的直接精修。在Regime-SV与Mag7两个数据源、六个预算下，TAPES在报告的五条流水线中取得全部24个数据集—预算—报告行的最低设计误差与审计误差，跨预算平均审计误差相对降幅约10–11%与约1%。

金融情景生成常把扩散采样器压到很少的函数调用次数，时间网格的离散误差会悄悄扭曲协方差、尾部与回撤代理等终端报告。TAPES把网格构造当作面向终端报告的数值问题：用Richardson比较估计每步的带符号局部缺陷，经剩余离散流和终端报告伴随反向传播，再最小化其和的平方并做有上限的直接精修。在Regime-SV与Mag7两个数据源、六个预算下，TAPES在报告的五条流水线中取得全部24个数据集—预算—报告行的最低设计误差与审计误差，跨预算平均审计误差相对降幅约10–11%与约1%。

低层云的三维内部结构长期缺少大范围观测，物理断层反演要反复做三维辐射传输计算，代价高到难以处理大规模真实云场。HybridCT把反演拆成两步：先用U-Net从多角度被动辐射亮度估计云光学厚度投影，再用SART代数重建显式解出三维消光场。在合成低层云场景上，它重建消光的RMSE为13.3 km⁻¹、耗时3.5秒，物理基线AT3D为22.7 km⁻¹、约30分钟。

低层云的三维内部结构长期缺少大范围观测，物理断层反演要反复做三维辐射传输计算，代价高到难以处理大规模真实云场。HybridCT把反演拆成两步：先用U-Net从多角度被动辐射亮度估计云光学厚度投影，再用SART代数重建显式解出三维消光场。在合成低层云场景上，它重建消光的RMSE为13.3 km⁻¹、耗时3.5秒，物理基线AT3D为22.7 km⁻¹、约30分钟。

非结构网格上的高维偏微分方程预报第一次跑在超导量子处理器上。做法是用图自编码器把网格场压到低维隐状态，再由固定不训练的量子储层网络产生特征、用经典线性读出预测下一步；在33824单元圆柱绕流与Gray–Scott反应扩散问题上，加入这些特征使一步预报与压力观测的归一化均方根误差比同一隐空间的线性基线降低约21–43%，压力观测只在26比特圆柱流配置上演示，52比特硬件则用于Gray–Scott一步预报。

非结构网格上的高维偏微分方程预报第一次跑在超导量子处理器上。做法是用图自编码器把网格场压到低维隐状态，再由固定不训练的量子储层网络产生特征、用经典线性读出预测下一步；在33824单元圆柱绕流与Gray–Scott反应扩散问题上，加入这些特征使一步预报与压力观测的归一化均方根误差比同一隐空间的线性基线降低约21–43%，压力观测只在26比特圆柱流配置上演示，52比特硬件则用于Gray–Scott一步预报。

高能物理中的喷注分类器长期以准确率为主要评价，却难以说明其判断是否对应喷注内部的辐射结构。研究者用Kolmogorov-Arnold网络（KAN）在已训练模型局部拟合扰动响应，再从代理的混合偏导提取二体、三体相互作用分数，与两点、三点能量关联函数的贡献排序做秩相关比较。在JetClass数据上，Particle Transformer的二体对齐明显为正，而标准多头注意力基线未表现出类似对齐；三体对齐两者都较弱，ParT仍更强且误差棒排除零相关。

高能物理中的喷注分类器长期以准确率为主要评价，却难以说明其判断是否对应喷注内部的辐射结构。研究者用Kolmogorov-Arnold网络（KAN）在已训练模型局部拟合扰动响应，再从代理的混合偏导提取二体、三体相互作用分数，与两点、三点能量关联函数的贡献排序做秩相关比较。在JetClass数据上，Particle Transformer的二体对齐明显为正，而标准多头注意力基线未表现出类似对齐；三体对齐两者都较弱，ParT仍更强且误差棒排除零相关。

双保真建模常用低保真模拟补足稀缺的高保真实验，但常规做法只给出一个确定性拟合，难以说明预测有多可信。这项工作把单保真的朗之万采样超网络扩展到双保真数据，用共享潜空间的数据模型同时预测低保真响应与高保真修正，并由一个学习后验分数的漂移网络生成参数样本。在合成超弹性算例中，条件分阶段训练把SPD漂移的均方根误差从0.075降到0.024，凸势漂移从0.081降到0.017；在实验与DNS数据上，直接以高保真响应为输出比用加性偏差误差更低。

双保真建模常用低保真模拟补足稀缺的高保真实验，但常规做法只给出一个确定性拟合，难以说明预测有多可信。这项工作把单保真的朗之万采样超网络扩展到双保真数据，用共享潜空间的数据模型同时预测低保真响应与高保真修正，并由一个学习后验分数的漂移网络生成参数样本。在合成超弹性算例中，条件分阶段训练把SPD漂移的均方根误差从0.075降到0.024，凸势漂移从0.081降到0.017；在实验与DNS数据上，直接以高保真响应为输出比用加性偏差误差更低。

自回归DNA语言模型只能从左往右生成，而基因组修复与编辑往往同时依赖两侧序列。CreatiPhage团队把144.5M参数的噬菌体自回归模型改造成147.5M参数的双向离散扩散模型CPDD，在522个经筛选的噬菌体编码序列上，随机掩码恢复准确率高于同类扩散模型PhaGen，混合损坏测试中一次前向把42.4%的可见错误碱基改回正确碱基。

自回归DNA语言模型只能从左往右生成，而基因组修复与编辑往往同时依赖两侧序列。CreatiPhage团队把144.5M参数的噬菌体自回归模型改造成147.5M参数的双向离散扩散模型CPDD，在522个经筛选的噬菌体编码序列上，随机掩码恢复准确率高于同类扩散模型PhaGen，混合损坏测试中一次前向把42.4%的可见错误碱基改回正确碱基。

OpenAI 的 Codex Security 让代码漏洞的查找、调查与修复在同一个工作流里完成，可在 Codex 会话中选择安全流程，也可用 @openai/codex-security 命令行或 TypeScript SDK 自动化。扫描对象包括整个仓库、选定路径和 Git 变更，深度扫描会重复标准扫描并返回去重后的发现。扫描完成后保存报告与发现，报告列出源码证据与排除项，供使用者判断覆盖范围。

OpenAI 的 Codex Security 让代码漏洞的查找、调查与修复在同一个工作流里完成，可在 Codex 会话中选择安全流程，也可用 @openai/codex-security 命令行或 TypeScript SDK 自动化。扫描对象包括整个仓库、选定路径和 Git 变更，深度扫描会重复标准扫描并返回去重后的发现。扫描完成后保存报告与发现，报告列出源码证据与排除项，供使用者判断覆盖范围。

Raysemble把单张正位X光片上的骨重建拆成“形状”和“摆放”两件事：先在归一化网格上预测每块骨的形状，再用预测深度和相机几何确定它在毫米空间中的中心与尺度。在23名留出患者、43张CT生成的模拟正位片上，不做刚性对齐时它平均取得65.24% Dice、9.09 mm HD95和3.32 mm ASSD，在15种配置中领先；在输入完全相同的对照中，Dice比VolumeNeRF高5.86个百分点。

Raysemble把单张正位X光片上的骨重建拆成“形状”和“摆放”两件事：先在归一化网格上预测每块骨的形状，再用预测深度和相机几何确定它在毫米空间中的中心与尺度。在23名留出患者、43张CT生成的模拟正位片上，不做刚性对齐时它平均取得65.24% Dice、9.09 mm HD95和3.32 mm ASSD，在15种配置中领先；在输入完全相同的对照中，Dice比VolumeNeRF高5.86个百分点。

跨被试神经—图像检索中，把少量目标被试观测的均值与源被试全局均值相比，会把被试自身的表征偏移和刺激组成差异混在一起。SA-LBC改为对每个校准刺激取同刺激的源群体锚点、平均残差来估计一阶偏移，再用源数据导出的不确定度收缩修正量。在THINGS-EEG2的10名被试留一被试评估中，Attention–CLIP ViT-B/32配置的MRR从无校准的0.1867升到0.2013和0.2336，但检索增益仍依赖所用表征。

跨被试神经—图像检索中，把少量目标被试观测的均值与源被试全局均值相比，会把被试自身的表征偏移和刺激组成差异混在一起。SA-LBC改为对每个校准刺激取同刺激的源群体锚点、平均残差来估计一阶偏移，再用源数据导出的不确定度收缩修正量。在THINGS-EEG2的10名被试留一被试评估中，Attention–CLIP ViT-B/32配置的MRR从无校准的0.1867升到0.2013和0.2336，但检索增益仍依赖所用表征。

Anthropic 推出 Claude Meetings 测试版，让 Claude 作为可见参会者加入视频会议，跟随对话并在会议进行中就开始工作。团队可在会中口头或通过聊天向它提问，默认以文字作答，经许可可调用各人已连接的工具；它还能与团队共同搭建文档和白板，并撰写纪要与待办事项。目前仅支持 Google Meet，先在 Team 与 Enterprise 套餐上逐步开放，其他会议平台稍后支持。

Anthropic 推出 Claude Meetings 测试版，让 Claude 作为可见参会者加入视频会议，跟随对话并在会议进行中就开始工作。团队可在会中口头或通过聊天向它提问，默认以文字作答，经许可可调用各人已连接的工具；它还能与团队共同搭建文档和白板，并撰写纪要与待办事项。目前仅支持 Google Meet，先在 Team 与 Enterprise 套餐上逐步开放，其他会议平台稍后支持。

临床研究中的自然语言数据查询过去要由工作人员翻译成可计算规则、挑选数据源并手写院内查询。一个基于大语言模型的多智能体流水线把研究者提交的请求拆成按数据源划分的任务，生成并执行SQL，再结合结构化记录与病历文本判读。在50项儿科骨科查询中，43项完成人工复核，调整后每项请求的中位阳性预测值为0.93、观察并集内敏感度为0.92、F1为0.90。

临床研究中的自然语言数据查询过去要由工作人员翻译成可计算规则、挑选数据源并手写院内查询。一个基于大语言模型的多智能体流水线把研究者提交的请求拆成按数据源划分的任务，生成并执行SQL，再结合结构化记录与病历文本判读。在50项儿科骨科查询中，43项完成人工复核，调整后每项请求的中位阳性预测值为0.93、观察并集内敏感度为0.92、F1为0.90。

在两家生殖医学中心1286例非梗阻性无精子症患者的回顾性队列中，术中由AI-SpermScope实时标出可能含精子的生精小管并快速确认精子，取精成功率由常规显微取精的47.6%升至68.1%，差异在倾向评分匹配后仍保持。取精成功者的后续ICSI周期中，AI组每移植周期活产率为38.5%，常规组为26.8%；该结果来自非随机分组，因果效应仍需前瞻性随机试验确认。

在两家生殖医学中心1286例非梗阻性无精子症患者的回顾性队列中，术中由AI-SpermScope实时标出可能含精子的生精小管并快速确认精子，取精成功率由常规显微取精的47.6%升至68.1%，差异在倾向评分匹配后仍保持。取精成功者的后续ICSI周期中，AI组每移植周期活产率为38.5%，常规组为26.8%；该结果来自非随机分组，因果效应仍需前瞻性随机试验确认。

Thinking Machines 的 Inkling 2 Small 在发布当天获得 vLLM 支持。这是一个文本与图像输入、文本输出的混合专家模型，总参数 594B、激活 17B，上下文最长 1M token，并自带 DSpark 推测解码草稿器。vLLM 通过内核融合、程序化依赖启动、序列并行和针对 6:1 GQA 比例重写的 Gluon 注意力内核完成适配，在 GB200 上 TP4 单用户解码约 630 tok/s、接受长度 3.5，并支持 LoRA 与经由 SkyRL 的强化学习。

Thinking Machines 的 Inkling 2 Small 在发布当天获得 vLLM 支持。这是一个文本与图像输入、文本输出的混合专家模型，总参数 594B、激活 17B，上下文最长 1M token，并自带 DSpark 推测解码草稿器。vLLM 通过内核融合、程序化依赖启动、序列并行和针对 6:1 GQA 比例重写的 Gluon 注意力内核完成适配，在 GB200 上 TP4 单用户解码约 630 tok/s、接受长度 3.5，并支持 LoRA 与经由 SkyRL 的强化学习。

化学机械平坦化（CMP）的材料去除率（MRR）虚拟量测此前多依赖简化线性假设或人工特征工程，后者需要领域知识，还可能丢掉原始传感器信号中的时间信息。GREP 先用未标注的传感器序列做自监督预训练，让编码器回归由完整序列与前后半段序列投影得到的全局代理目标，再用标注数据微调。在 PHM 2016 CMP 数据集上，它与特征工程监督基线在多数标注比例下表现相当，在部分少标注设置中误差更低，并在按时间划分的最后一个区间把 RMSE 从 11.23 降到 9.32。

化学机械平坦化（CMP）的材料去除率（MRR）虚拟量测此前多依赖简化线性假设或人工特征工程，后者需要领域知识，还可能丢掉原始传感器信号中的时间信息。GREP 先用未标注的传感器序列做自监督预训练，让编码器回归由完整序列与前后半段序列投影得到的全局代理目标，再用标注数据微调。在 PHM 2016 CMP 数据集上，它与特征工程监督基线在多数标注比例下表现相当，在部分少标注设置中误差更低，并在按时间划分的最后一个区间把 RMSE 从 11.23 降到 9.32。

单目高斯SLAM每来一个建图关键帧就整帧预测高斯，会让已经建好的区域被重复表示、地图持续膨胀。Sparse-Mono把当前观测、从当前视角渲染的持久地图以及两者的光度与几何差异一起编码，先判断哪里需要新增、需要新增多少个，再只在选中的位置解码完整高斯。在Replica上它的平均PSNR比MonoGS高1.05 dB，高斯数量比VINGS-Mono少89.3%，在线处理延迟与VINGS-Mono相当。

单目高斯SLAM每来一个建图关键帧就整帧预测高斯，会让已经建好的区域被重复表示、地图持续膨胀。Sparse-Mono把当前观测、从当前视角渲染的持久地图以及两者的光度与几何差异一起编码，先判断哪里需要新增、需要新增多少个，再只在选中的位置解码完整高斯。在Replica上它的平均PSNR比MonoGS高1.05 dB，高斯数量比VINGS-Mono少89.3%，在线处理延迟与VINGS-Mono相当。

异构多任务离线强化学习里，各任务的状态维度、动作空间和动力学差异很大，直接共享骨干会同时遇到接口错位和梯度冲突。HeteroGrad-DT在共享序列骨干外为每个任务配独立的输入分词器和预测头，并用梯度流Transformer按同步间隔汇总各任务梯度、学习融合权重来协调共享更新。在DeepMind Control Suite最多30个任务的设定下，它的平均归一化回报高于代表性的多任务方法，30任务上相对共享骨干标准训练提升32.3%，相对同样任务接口下的PCGrad基线提升8.6%。

异构多任务离线强化学习里，各任务的状态维度、动作空间和动力学差异很大，直接共享骨干会同时遇到接口错位和梯度冲突。HeteroGrad-DT在共享序列骨干外为每个任务配独立的输入分词器和预测头，并用梯度流Transformer按同步间隔汇总各任务梯度、学习融合权重来协调共享更新。在DeepMind Control Suite最多30个任务的设定下，它的平均归一化回报高于代表性的多任务方法，30任务上相对共享骨干标准训练提升32.3%，相对同样任务接口下的PCGrad基线提升8.6%。

定量表型预测此前多依赖单个位点与表型的相关性，难以刻画多位点共同作用。新方案在蒙特卡洛位点搜索之上加入二阶上位效应和按位点定制的氨基酸聚类，用序列距离与表型距离的相关性挑位点再做回归预测。在13个涵盖温度、酶活抑制、肌红蛋白浓度和视紫红质吸收波长的数据集上，同时启用三者的AC-MC-E在9个数据集取得最高R²，并在全部13个中位列前三。

定量表型预测此前多依赖单个位点与表型的相关性，难以刻画多位点共同作用。新方案在蒙特卡洛位点搜索之上加入二阶上位效应和按位点定制的氨基酸聚类，用序列距离与表型距离的相关性挑位点再做回归预测。在13个涵盖温度、酶活抑制、肌红蛋白浓度和视紫红质吸收波长的数据集上，同时启用三者的AC-MC-E在9个数据集取得最高R²，并在全部13个中位列前三。

孤独症静息态fMRI分类器很少能跨采集站点泛化，而许多报告的高准确率受数据泄漏影响。ASD Neuro Agentic（ANA）让语言模型智能体从文献和研究者输入提出特征，所有数值计算由固定工具完成，在ABIDE I的17个中心、1028名参与者上搜索流程，选出经ComBat协调的切空间连接组模型集成。留一中心测试中该集成AUC为0.814（95% CI 0.773–0.841），高于ASD-DiagNet和ASD-SAENet。

孤独症静息态fMRI分类器很少能跨采集站点泛化，而许多报告的高准确率受数据泄漏影响。ASD Neuro Agentic（ANA）让语言模型智能体从文献和研究者输入提出特征，所有数值计算由固定工具完成，在ABIDE I的17个中心、1028名参与者上搜索流程，选出经ComBat协调的切空间连接组模型集成。留一中心测试中该集成AUC为0.814（95% CI 0.773–0.841），高于ASD-DiagNet和ASD-SAENet。

缴费确定型养老金成员在现金、两只名义债券、通胀挂钩债券和股指构成的两因子市场中投资，还可在退休前购买定期寿险，交易被限制在非空闭凸约束集内。做法是构造一族无约束人工市场，用重参数化神经网络求对偶上界，再用嵌套蒙特卡洛与哈密顿二次规划恢复可行下界。两种风险厌恶设定下相对对偶间隙均低于SAMS与深度定价核基准，其中一处为2.87%。

缴费确定型养老金成员在现金、两只名义债券、通胀挂钩债券和股指构成的两因子市场中投资，还可在退休前购买定期寿险，交易被限制在非空闭凸约束集内。做法是构造一族无约束人工市场，用重参数化神经网络求对偶上界，再用嵌套蒙特卡洛与哈密顿二次规划恢复可行下界。两种风险厌恶设定下相对对偶间隙均低于SAMS与深度定价核基准，其中一处为2.87%。

DINGO-TGR把双星参数与六个后牛顿相位形变参数放在同一个神经后验估计里联合推断，再用重要性采样校正网络给出的近似后验。对GW150914，推断耗时约38分钟，而bilby-tgr配dynesty约需177小时；对信噪比更高的GW250114约4.4小时对238小时。GW150914的领头主成分模式相对广义相对论有轻微偏移，但1000次类GW150914的广义相对论注入中有115次达到或超过该偏移，经验上尾p值约0.115，在5%水平上不拒绝广义相对论零假设。

DINGO-TGR把双星参数与六个后牛顿相位形变参数放在同一个神经后验估计里联合推断，再用重要性采样校正网络给出的近似后验。对GW150914，推断耗时约38分钟，而bilby-tgr配dynesty约需177小时；对信噪比更高的GW250114约4.4小时对238小时。GW150914的领头主成分模式相对广义相对论有轻微偏移，但1000次类GW150914的广义相对论注入中有115次达到或超过该偏移，经验上尾p值约0.115，在5%水平上不拒绝广义相对论零假设。

跨模态视网膜图像刚性配准此前多依赖“先分割血管、再检测关键点”的两步流程，配准质量受分割精度牵制。MICRO基准汇集1,365对覆盖术前、术中、术后的跨模态视网膜图像对，并配以专家标注的控制点。基于该基准的一步式OFS2Reg用频域结构保持描述子和跨模态血管结构相似性学习直接构造关键点拓扑约束，在MICRO-pre子集上取得0.784的成功率与5.08像素的RMSE。

跨模态视网膜图像刚性配准此前多依赖“先分割血管、再检测关键点”的两步流程，配准质量受分割精度牵制。MICRO基准汇集1,365对覆盖术前、术中、术后的跨模态视网膜图像对，并配以专家标注的控制点。基于该基准的一步式OFS2Reg用频域结构保持描述子和跨模态血管结构相似性学习直接构造关键点拓扑约束，在MICRO-pre子集上取得0.784的成功率与5.08像素的RMSE。

F-box 蛋白是 SCF 泛素连接酶中负责挑选底物的模块，长期被当作相对刚性的结构适配器。这项研究把冷冻电镜结构、交联质谱距离约束和基于深度学习的构象系综预测放在一起，比较同一蛋白在不同复合物中的构象。结果显示 FBXL2 的底物识别域相对锚定域可移动 43 Å，FBXL17 在不同组装环境中相差 17 至 33 Å，而 FBXL1 的对应位移只有 4.5 Å；FBXL2 的构象需要至少四个状态才能满足与 CSN 的交联约束。

F-box 蛋白是 SCF 泛素连接酶中负责挑选底物的模块，长期被当作相对刚性的结构适配器。这项研究把冷冻电镜结构、交联质谱距离约束和基于深度学习的构象系综预测放在一起，比较同一蛋白在不同复合物中的构象。结果显示 FBXL2 的底物识别域相对锚定域可移动 43 Å，FBXL17 在不同组装环境中相差 17 至 33 Å，而 FBXL1 的对应位移只有 4.5 Å；FBXL2 的构象需要至少四个状态才能满足与 CSN 的交联约束。

Katachi-PRIME（形'）把星系三色宽带图像与测光一起送入隐式似然推断，直接给出恒星质量、比恒星形成率、红移、年龄、尘埃消光和金属丰度的完整后验。在GSWLC约23万个星系上，仅用gri图像的后验比5波段测光更紧，两者合用最优；同一套图像嵌入还显示，主序与宁静星系的形态能连续回溯数Gyr的恒星形成史，而星暴与绿谷星系只能保留最近的活动。

Katachi-PRIME（形'）把星系三色宽带图像与测光一起送入隐式似然推断，直接给出恒星质量、比恒星形成率、红移、年龄、尘埃消光和金属丰度的完整后验。在GSWLC约23万个星系上，仅用gri图像的后验比5波段测光更紧，两者合用最优；同一套图像嵌入还显示，主序与宁静星系的形态能连续回溯数Gyr的恒星形成史，而星暴与绿谷星系只能保留最近的活动。

耳内镜图像合成长期受限于文字提示只写诊断、不写色调与纹理等视觉细节，同一诊断类内的外观差异难以控制。CLNA在Stable Diffusion 2.1主干上加入一个风格编码器和双重交叉注意力，把这类未写进提示的属性压缩成连续潜变量，并用风格参数调节采样幅度。在正常鼓膜、分泌性中耳炎和慢性中耳炎三类耳内镜图像上，对留出的内部测试集，FID由基线Stable Diffusion的52.91降至10.11，特征空间召回率由57.67%升至90.22%。

耳内镜图像合成长期受限于文字提示只写诊断、不写色调与纹理等视觉细节，同一诊断类内的外观差异难以控制。CLNA在Stable Diffusion 2.1主干上加入一个风格编码器和双重交叉注意力，把这类未写进提示的属性压缩成连续潜变量，并用风格参数调节采样幅度。在正常鼓膜、分泌性中耳炎和慢性中耳炎三类耳内镜图像上，对留出的内部测试集，FID由基线Stable Diffusion的52.91降至10.11，特征空间召回率由57.67%升至90.22%。

非凸目标函数被写进光子波导阵列的势能项，光子在其中按量子隧穿方式演化，输出强度分布直接标出极小值位置。实验在一维与二维波导阵列上完成，先用不完整局部退火准备低能输入态，再引入变化哈密顿量加速搜索并分辨全局最小。作者报告其相对经典随机梯度下降的量子加速，但正文把这一比较定位为探索行为的示意对照。

非凸目标函数被写进光子波导阵列的势能项，光子在其中按量子隧穿方式演化，输出强度分布直接标出极小值位置。实验在一维与二维波导阵列上完成，先用不完整局部退火准备低能输入态，再引入变化哈密顿量加速搜索并分辨全局最小。作者报告其相对经典随机梯度下降的量子加速，但正文把这一比较定位为探索行为的示意对照。

维基百科多跳问答的图检索不再依赖大模型做全语料开放抽取，而是用本地 GLiNER2 按预设关系模式建图，再从图中未被关系覆盖的实体对里发现语料特有的新关系并事后注入三元组。在 MuSiQue、2WikiMultihopQA 和 HotpotQA 各 1000 道题上，完整流程的 F1 分别为 0.4577、0.6637 和 0.7154，均高于 BGE 版 HippoRAG2 基线；MuSiQue 上自适应扩展新增 93 种关系、1691 条三元组，相对仅用种子模式把 F1 提高 0.0225。最终答案生成仍调用 GPT-4o-mini。

维基百科多跳问答的图检索不再依赖大模型做全语料开放抽取，而是用本地 GLiNER2 按预设关系模式建图，再从图中未被关系覆盖的实体对里发现语料特有的新关系并事后注入三元组。在 MuSiQue、2WikiMultihopQA 和 HotpotQA 各 1000 道题上，完整流程的 F1 分别为 0.4577、0.6637 和 0.7154，均高于 BGE 版 HippoRAG2 基线；MuSiQue 上自适应扩展新增 93 种关系、1691 条三元组，相对仅用种子模式把 F1 提高 0.0225。最终答案生成仍调用 GPT-4o-mini。

蛋白质稳定性变化预测器常给出前后不一致的结果：交换突变前后两条序列，预测值并不严格反号，同一突变位点经不同中间状态绕行也难闭合。EvoPhi-DDG在不重新训练的前提下，把基于家族比对的MSAesm_ddG改写为以突变位点和比对上下文为条件的有效势之差，使正反预测严格反号、固定比对上下文下同一位点严格可加。它与已发表的JanusDDG等权平均后，在S669上Pearson相关为0.59，高于JanusDDG的0.55和EvoPhi-DDG的0.53。

蛋白质稳定性变化预测器常给出前后不一致的结果：交换突变前后两条序列，预测值并不严格反号，同一突变位点经不同中间状态绕行也难闭合。EvoPhi-DDG在不重新训练的前提下，把基于家族比对的MSAesm_ddG改写为以突变位点和比对上下文为条件的有效势之差，使正反预测严格反号、固定比对上下文下同一位点严格可加。它与已发表的JanusDDG等权平均后，在S669上Pearson相关为0.59，高于JanusDDG的0.55和EvoPhi-DDG的0.53。

ElevenLabs在纽约峰会上把1 Million Voices从语音扩展到歌唱：永久失声者现在可免费使用ElevenMusic，以自己的声音创作和发布音乐。该计划此前聚焦语音，已帮助逾1.1万名ALS、运动神经元病、头颈癌等患者重新用自己的声音说话；歌唱资格由北美词曲作者组织SONA核验并分发，纽约大学朗格尼医学中心与Wounded Warrior Project同时成为新伙伴。

ElevenLabs在纽约峰会上把1 Million Voices从语音扩展到歌唱：永久失声者现在可免费使用ElevenMusic，以自己的声音创作和发布音乐。该计划此前聚焦语音，已帮助逾1.1万名ALS、运动神经元病、头颈癌等患者重新用自己的声音说话；歌唱资格由北美词曲作者组织SONA核验并分发，纽约大学朗格尼医学中心与Wounded Warrior Project同时成为新伙伴。

面向临床决策支持的小语言模型在微调后往往答得比问题所需长得多，而现有长度控制依赖偏好数据、奖励模型或专有教师模型。PECA在QLoRA监督微调目标中加入一个可微的简洁项：当生成超过token预算后提高结束符概率，无需偏好数据、辅助模型，单张消费级GPU即可训练。在1.7B参数的Qwen3-1.7B-Instruct上，PECA把平均回答长度从256.0个token降到69.7个token，即减少72.8%，同时把MedMCQA选择题诊断准确率从40.8%提高到44.0%。

面向临床决策支持的小语言模型在微调后往往答得比问题所需长得多，而现有长度控制依赖偏好数据、奖励模型或专有教师模型。PECA在QLoRA监督微调目标中加入一个可微的简洁项：当生成超过token预算后提高结束符概率，无需偏好数据、辅助模型，单张消费级GPU即可训练。在1.7B参数的Qwen3-1.7B-Instruct上，PECA把平均回答长度从256.0个token降到69.7个token，即减少72.8%，同时把MedMCQA选择题诊断准确率从40.8%提高到44.0%。

三个大语言模型独立重证欧几里得《几何原本》全部 465 条命题，其引用选择与希思的人类证明基线系统不同。三次 Claude Opus 4.6 运行之间的平均成对 Jaccard 相似度为 0.68，而 AI 与人类证明之间仅 0.37，说明这种差异稳定可复现。差异的具体特征是 AI 约 40% 的引用指向定义、公理和公设等基础元素，人类证明中这一比例只有 13%。

三个大语言模型独立重证欧几里得《几何原本》全部 465 条命题，其引用选择与希思的人类证明基线系统不同。三次 Claude Opus 4.6 运行之间的平均成对 Jaccard 相似度为 0.68，而 AI 与人类证明之间仅 0.37，说明这种差异稳定可复现。差异的具体特征是 AI 约 40% 的引用指向定义、公理和公设等基础元素，人类证明中这一比例只有 13%。

InertiaMPDD把抑郁筛查从单一录音级标签扩展为“与健康参照的偏离”这一可测量证据：它用冻结的多模态表征训练一个预测下一状态的潜变量预测器，再从预测残差中提取参照偏离、残差衰减率和雅可比谱半径三个描述量，用于独立筛查或对人群判定做个体校正。在四个数据集的五个队列上，融合路径在D-Vlog上达到98.41 F1、在LMVD上达到84.98 F1；但在AVEC2014上，参照描述量的区分能力较弱，融合F1为66.67。

InertiaMPDD把抑郁筛查从单一录音级标签扩展为“与健康参照的偏离”这一可测量证据：它用冻结的多模态表征训练一个预测下一状态的潜变量预测器，再从预测残差中提取参照偏离、残差衰减率和雅可比谱半径三个描述量，用于独立筛查或对人群判定做个体校正。在四个数据集的五个队列上，融合路径在D-Vlog上达到98.41 F1、在LMVD上达到84.98 F1；但在AVEC2014上，参照描述量的区分能力较弱，融合F1为66.67。

零售媒体网络通常把点击流压成点击率、转化率、最近购买等汇总特征，两个行为计数相同的购物者因此无法区分。一项在匿名全渠道零售商5.2百万活跃会员平台上开展的三轮投放研究，把购买意图推断写成带理论约束的隐半马尔可夫动态：状态由计划行为理论、消费者决策旅程与说服知识模型三个坐标定义，检索增强语言模型给出参考后验，在期望步中以KL正则约束状态归类。在n=1,008名配对测试消费者上，该模型单步购买预测AUC为0.717，仅用行为协变量的基线为0.635。

零售媒体网络通常把点击流压成点击率、转化率、最近购买等汇总特征，两个行为计数相同的购物者因此无法区分。一项在匿名全渠道零售商5.2百万活跃会员平台上开展的三轮投放研究，把购买意图推断写成带理论约束的隐半马尔可夫动态：状态由计划行为理论、消费者决策旅程与说服知识模型三个坐标定义，检索增强语言模型给出参考后验，在期望步中以KL正则约束状态归类。在n=1,008名配对测试消费者上，该模型单步购买预测AUC为0.717，仅用行为协变量的基线为0.635。

J.Crew 在 JCrew.com 上线 AI 造型师 Style Advisor，让顾客按整套穿搭而非单件商品购物。此前线上购物通常一次只看一件商品，找到毛衣后还得重新搜索裤子和鞋子。Style Advisor 由 J.Crew 团队用 Claude Code 和多个 Claude 模型搭建，顾客描述场合后，它从 J.Crew 自有拍摄造型中给出整套搭配并以照片呈现，还可继续细化；目前面向美国女装和男装。

J.Crew 在 JCrew.com 上线 AI 造型师 Style Advisor，让顾客按整套穿搭而非单件商品购物。此前线上购物通常一次只看一件商品，找到毛衣后还得重新搜索裤子和鞋子。Style Advisor 由 J.Crew 团队用 Claude Code 和多个 Claude 模型搭建，顾客描述场合后，它从 J.Crew 自有拍摄造型中给出整套搭配并以照片呈现，还可继续细化；目前面向美国女装和男装。

RGB-X跟踪把可见光帧与热红外、深度或事件数据配对，但配对标注远少于RGB预训练数据，因此通常只微调少量参数。以往的双向跨模态修正把两个方向并排计算，都读取未修正的输入状态，后一次修正无法利用前一次的结果。CCLT在冻结骨干的第6和第10个Transformer块插入低秩交换模块，让一个方向先修正、另一方向再读取刚被修正的状态，并以参数量匹配的并行版本作对照：在LasHeR上平均SR提高1.980点，95%区间为[0.360,2.690]，可训练参数为196.6K，占92.7M参数跟踪器的0.212%。

RGB-X跟踪把可见光帧与热红外、深度或事件数据配对，但配对标注远少于RGB预训练数据，因此通常只微调少量参数。以往的双向跨模态修正把两个方向并排计算，都读取未修正的输入状态，后一次修正无法利用前一次的结果。CCLT在冻结骨干的第6和第10个Transformer块插入低秩交换模块，让一个方向先修正、另一方向再读取刚被修正的状态，并以参数量匹配的并行版本作对照：在LasHeR上平均SR提高1.980点，95%区间为[0.360,2.690]，可训练参数为196.6K，占92.7M参数跟踪器的0.212%。