latest.tex

\documentclass[9pt, a4paper]{article}
\usepackage{geometry}        
\geometry{scale=0.75}
\usepackage{setspace}        
%\usepackage{fontspec}        
\usepackage{xeCJK}           
\usepackage{ctex}            
%\usepackage{CJKutf8}         
\usepackage{zhnumber}     
%\usepackage[english,chinese]{babel}
%\usepackage{polyglossia}

\usepackage{amsmath}         
\usepackage{amssymb}         
\usepackage{amsthm}          
\usepackage{mathtools}       
\usepackage{mathrsfs}        
\usepackage{latexsym}        
\usepackage{stmaryrd}        

\usepackage{graphicx}        
\usepackage{tikz}            
\usepackage{tikz-cd}                   

%\usepackage[authoryear]{natbib} 
%\usepackage{etoolbox}        

\usepackage{xcolor}          
\usepackage{hyperref}        
\hypersetup{                 
    colorlinks=true,         
    citecolor=green,         
    urlcolor=red,            
    bookmarksnumbered=true   
}
%\usepackage{cleveref}           
%\usepackage{enumitem}        
%\usepackage{fancyhdr}        
%\usepackage{lmodern}         

%\usepackage{pdfpages} 

\theoremstyle{plain}
\newtheorem{theorem}{定理}
\newtheorem{lemma}[theorem]{引理}
\newtheorem{corollary}[theorem]{推论}
\newtheorem{proposition}[theorem]{命题}

\theoremstyle{definition}
\newtheorem{definition}[theorem]{定义}
\newtheorem{example}[theorem]{示例}
\newtheorem{remark}[theorem]{注记}

\theoremstyle{remark}

\definecolor{arxivblue}{RGB}{0, 102, 204}
\newcommand{\arxivwithtarget}[3]{\hypertarget{#1}{}\href{https://arxiv.org/abs/#1}{#1}, \textbf{\textcolor{arxivblue}{#2}}, #3. }
\newcommand{\arxiv}[3]{\href{https://arxiv.org/abs/#1}{#1}, \textbf{\textcolor{arxivblue}{#2}}, #3. }



\begin{document}
\begin{center}
    \Huge\textbf{不漏arXiv：\today \footnote{本文档由\href{https://github.com/vegetablefj/bluearXiv-ai}{bluearXiv-ai}自动生成. 实际抓取的是``new''页面的数据, 即最近的有所在分类论文变动的一天的数据. This document is automatically generated by \href{https://github.com/vegetablefj/bluearXiv-ai}{bluearXiv-ai}. The data actually captured is from the ``new'' page, that is, the data of the most recent day when there were changes in corresponding subjects.}\footnote{感谢arXiv提供的服务. Thanks for services prodived by arXiv.}\footnote{评论和精选由AI生成, 不代表任何人对论文本身的看法. 精选依赖于论文与给定关键词的匹配度. Comments and selection of good papers are generated by AI, not showing anyone's point of view about those papers. The selection also depends on the matched-degrees between papers and given keywords.}\footnote{下面的计数基于主学科, 不计重数. The following counters are based on main subject, not counting multiplicities.}} 
\end{center}

\begin{center}
    %counter_begin
cs.LG: 96

cs.AI: 77

cs.IR: 6

cs.CL: 58

cs.DS: 10

others: 132

%counter_end   
\end{center}

\setcounter{section}{-1}
\section{精选 Selections}
    %selection_begin
\arxiv{2608.11427}{Three Tokens Force Exponential Feature Rank in Nonnegative Kernel Attention}{Vicente Opazo}\textbf{cs.LG}. \hyperlink{2608.11427}{$\rightsquigarrow$}

\arxiv{2608.11519}{FLARE++: Low-rank attention with dynamic attention routing}{Vedant Puri, Yongjie Jessica Zhang, Levent Burak Kara}\textbf{cs.LG}. \hyperlink{2608.11519}{$\rightsquigarrow$}

\arxiv{2608.11612}{Dion3: Full-Stack Orthogonal Updates}{Noah Amsel, Jack Zhang, Kwangjun Ahn, Ali Naeimi, Austin Feng, Berlin Chen, Tri Dao, John Langford}\textbf{cs.LG}, cs.AI. \hyperlink{2608.11612}{$\rightsquigarrow$}

\arxiv{2608.11623}{FM-LLM: A frequency-enhanced mixture-of-experts framework for adapting LLMs to time series forecasting}{Rentao Gu, Yihang Ding, Junjie Li, Yi Ding, Weijing Sang, Xiaoli Huo, Xin Qin, Yuefeng Ji}\textbf{cs.LG}, cs.AI, cs.NI, eess.SP. \hyperlink{2608.11623}{$\rightsquigarrow$}

\arxiv{2608.11654}{Towards a Formal Definition of Agent Memory: Basis, Span, Optimality, and the Sequential Memory Problem}{Hongyao Tang}\textbf{cs.LG}. \hyperlink{2608.11654}{$\rightsquigarrow$}

\arxiv{2608.11658}{Is Per-Agent Policy Composition Safe? Rethinking Successor-Feature Transfer in Cooperative Multi-Agent Reinforcement Learning}{Zijian Zhao, Sen Li}\textbf{cs.LG}, cs.AI, cs.MA. \hyperlink{2608.11658}{$\rightsquigarrow$}

\arxiv{2608.11661}{Low-Interaction-Rank Learning: Unifying Multiplicative Dual-Encoder Heads}{Zijian Zhao, Sen Li}\textbf{cs.LG}, cs.AI. \hyperlink{2608.11661}{$\rightsquigarrow$}

\arxiv{2608.11674}{GCPO: Diagnosing and Constraining Subspace Geometry in Rollout RL for LLMs}{Kai Yang, Jingwei Xu, Wanyu Wang, Kai-Yuan Guo, Zhenbo Yu, Yi Wang, Yu Qiao}\textbf{cs.LG}, cs.AI. \hyperlink{2608.11674}{$\rightsquigarrow$}

\arxiv{2608.11716}{Chain-of-Thought Shows the Path to a Tree: Realizing Branching Complexity}{Debanjan Dutta, Anish Chakrabarty, Swagatam Das}\textbf{cs.LG}. \hyperlink{2608.11716}{$\rightsquigarrow$}

\arxiv{2608.11749}{MOON: Multi-Objective OrthoNormalized Updates for Multitask Learning}{Shiji Zhou, Kunlin Lyu, Lei Zhang, Ruodong Wang, Yifan Sun}\textbf{cs.LG}, cs.AI, stat.ML. \hyperlink{2608.11749}{$\rightsquigarrow$}

\arxiv{2608.11970}{TESLA: Taylor Expansion of Sinusoidal Learnable Activations}{Daehwa Ko, Jaehyeon Kim, Seunghyun Ham, Jay Hoon Jung}\textbf{cs.LG}. \hyperlink{2608.11970}{$\rightsquigarrow$}

\arxiv{2608.12084}{NAE: Normalizing AutoEncoder}{Muhammad Abdur Rafae, Niels Landwehr}\textbf{cs.LG}. \hyperlink{2608.12084}{$\rightsquigarrow$}

\arxiv{2608.12231}{An Efficient Near-Optimal Algorithm for Adversarial $m$-Set Bandits}{Francesco Bacchiocchi, Tommaso Cesari, Roberto Colomboni}\textbf{cs.LG}. \hyperlink{2608.12231}{$\rightsquigarrow$}

\arxiv{2608.12307}{AI4AI at Test-Time: Strong-to-Weak Capability Transfer via Harnesses}{Cheng Qian, Wenting Zhao, Liangwei Yang, Heng Wang, Jielin Qiu, Heng Ji, Silvio Savarese, Huan Wang, Shelby Heinecke}\textbf{cs.LG}, cs.AI, cs.CL. \hyperlink{2608.12307}{$\rightsquigarrow$}

\arxiv{2608.11224}{Harnessing agent memory to build lifelong AI partners for materials scientists}{Siyu Liu, Bo Hu, Beilin Ye, He Cao, David J. Srolovitz, Tongqi Wen}\textbf{cs.AI}, cond-mat.mtrl-sci, cs.CE, cs.CL, cs.MA. \hyperlink{2608.11224}{$\rightsquigarrow$}

\arxiv{2608.11246}{Towards the Harness of Embodied Agents}{Qi Wang, Tianyi Wang, Chengyang Li, Shikun Ban, Yurun Chen, Yizhong Ge, Jason Qin, Chengtai Li, Wentao Zhu}\textbf{cs.AI}, cs.LG, cs.RO. \hyperlink{2608.11246}{$\rightsquigarrow$}

\arxiv{2608.11248}{EvoGraph-Mem: Failure-Aware Editable Graph Memory for Long-Term Language Agents}{Yuxi Qian, Yuxiang Ren}\textbf{cs.AI}, cs.MA. \hyperlink{2608.11248}{$\rightsquigarrow$}

\arxiv{2608.11250}{AgonAlpha: Autonomous Alpha Discovery via Prompt Economy and Scalable Agentic Search}{Weicheng Ye, Youran Sun, Xingyu Ren, Shunyao Yu, Chugang Yi, Haizhao Yang}\textbf{cs.AI}, cs.MA, q-fin.CP, q-fin.PM. \hyperlink{2608.11250}{$\rightsquigarrow$}

\arxiv{2608.11260}{Glance, Scrutinize, and Think: Advancing Video Anomaly Detection from Training-Free to Agentic Reasoning}{Shibo Gao, Peipei Yang, Xu-Yao Zhang, Linlin Huang}\textbf{cs.AI}, cs.CV. \hyperlink{2608.11260}{$\rightsquigarrow$}

\arxiv{2608.11323}{Deployment Decision Reliability: A Generalizability-Theory Framework for Sizing Long-Horizon Agent Evaluations}{Vasundra Srinivasan}\textbf{cs.AI}, cs.LG. \hyperlink{2608.11323}{$\rightsquigarrow$}

\arxiv{2608.11676}{XBridge: Entity-Grounded Latent Bridge for Heterogeneous LLM Communication}{Wooseong Yang, Wei-Chieh Huang, Weizhi Zhang, Yu Wang, Philip S. Yu, Junhyun Lee}\textbf{cs.AI}. \hyperlink{2608.11676}{$\rightsquigarrow$}

\arxiv{2608.11768}{HyperANFIS: Enhancing Rule Representation and Interpretability in Adaptive Neuro-Fuzzy Systems via Hyperbolic Geometry}{Haoran Pei, Zhao Su, Zetao Lin, Haoran Li, Jun Shen, Qi Zhu, Lan Guo, Qingguo Zhou, Binbin Yong}\textbf{cs.AI}. \hyperlink{2608.11768}{$\rightsquigarrow$}

\arxiv{2608.11775}{The Sleeping Agent: What Gist-Based Context Compression Loses and Why}{Nicholas E. Kyrkewood}\textbf{cs.AI}, cs.CL. \hyperlink{2608.11775}{$\rightsquigarrow$}

\arxiv{2608.11977}{Retry, Switch, or Abstain? Learning Strategy-Aware Tool-Use Policies via Controlled Error Injection}{Chaoran Chen, Vy Nguyen, Ziji Zhang, Abhinav Gullapalli, Ziyi Wang, Yuxuan Lu, Dakuo Wang, Jing Huang, Zhou Yu, Jin Lai}\textbf{cs.AI}. \hyperlink{2608.11977}{$\rightsquigarrow$}

\arxiv{2608.11994}{Claim-Level Reliability Assessment for Efficient Test-Time Reasoning}{Sen Xu, Wei Wang, Shixi Liu, Jixin Min, Yingwei Dai, Zhibin Yin, Yirong Chen, Junlin Zhang}\textbf{cs.AI}, cs.CL. \hyperlink{2608.11994}{$\rightsquigarrow$}

\arxiv{2608.12036}{Mechanist: AI as a Scientific Instrument for Discovering the Mechanisms of Intelligence}{Mengru Wang, Junfeng Fang, Shuofei Qiao, Zhenqian Xu, Haoming Xu, Haoxiong Wang, Shumin Deng, Linyi Yang, Zhixiang Cui, Xin Xu, Yunzhi Yao, Buqiang Xu, Fei Shen, Haozhe Luo, Yunxiang Wei, Ningyu Zhang, Julian McAuley, Tat Seng Chua, Huajun Chen}\textbf{cs.AI}, cs.CL, cs.HC, cs.LG, cs.MA. \hyperlink{2608.12036}{$\rightsquigarrow$}

\arxiv{2608.12249}{An Agentic Workflow for Legacy HPC Modernization: Converting the Two-Electron-Integral Core of GAMESS}{Yuzhong Shen, Masha Sosonkina, Peng Xu, Mark S. Gordon}\textbf{cs.AI}. \hyperlink{2608.12249}{$\rightsquigarrow$}

\arxiv{2608.12282}{VAKRA: Evaluating Multi-Hop Reasoning Across APIs and Retrieval Under Tool-Use Policies}{Ankita Rajaram Naik, Anupama Murthi, Benjamin Elder, Siyu Huo, Raavi Gupta, Abhinav Jain, Praveen Venkateswaran, Abdulhamid Adebayo, Danish Contractor}\textbf{cs.AI}. \hyperlink{2608.12282}{$\rightsquigarrow$}

\arxiv{2608.11846}{From Overlooked to Explored: Recovering Item Relations via Mixture of Perspectives for Sequential Recommendation}{Junyoung Kim, Wonbin Kweon, Woojoo Kim, Jaehyung Lim, Dongha Kim, Hwanjo Yu}\textbf{cs.IR}. \hyperlink{2608.11846}{$\rightsquigarrow$}

\arxiv{2608.11980}{HCGRec: Hint-Conditioned Generative Recommendation with Semantic IDs}{Kangning Zhang, Haotian Fang, Xukun Luo, Hao Yin, Yang Gao, Peng Yan, Weiwen Liu, Weinan Zhang, Yong Yu}\textbf{cs.IR}, cs.AI. \hyperlink{2608.11980}{$\rightsquigarrow$}

\arxiv{2608.12184}{Making Collaborative Signals Count: Graph-Aware Large Language Models for Sequential Recommendation}{Fenglin Yan, Bohao Wang, Jian Zhang, Yu Cui, Tongya Zheng, Ye Feng, Can Wang, Jiawei Chen}\textbf{cs.IR}. \hyperlink{2608.12184}{$\rightsquigarrow$}

\arxiv{2608.11232}{Backtrader-Bench: Benchmarking LLM Agents on Algorithmic Trading with Self-Generated MCQs}{Ruoxi Zhao, Maziar Raissi}\textbf{cs.CL}, cs.AI. \hyperlink{2608.11232}{$\rightsquigarrow$}

\arxiv{2608.11338}{Better, Faster, Stronger: Programmatic Skill Learning Best Reduces Agent Cost}{Zixi Huang, Xiheng Wang, Andrew Wang, William Jurayj, Bernal Jiménez Gutiérrez, Daniel Khashabi, Nicholas Andrews}\textbf{cs.CL}, cs.LG. \hyperlink{2608.11338}{$\rightsquigarrow$}

\arxiv{2608.11552}{Beyond Single-Turn Confidence: Trajectory-Adapted Uncertainty Quantification for LLM Agents}{Dylan Bouchard, Mohit Singh Chauhan}\textbf{cs.CL}, cs.AI, cs.LG. \hyperlink{2608.11552}{$\rightsquigarrow$}

\arxiv{2608.11624}{Learning to Persuade Exposes How Easily LLMs Abandon Correct Beliefs}{Nimet Beyza Bozdag, Emre Can Acikgoz, Gokhan Tur, Dilek Hakkani-Tür}\textbf{cs.CL}, cs.AI. \hyperlink{2608.11624}{$\rightsquigarrow$}

\arxiv{2608.11805}{Hybrid Gated Attention}{Zekun Zhou, Ruobing Xie, Lanrui Wang, Weixuan Sun}\textbf{cs.CL}. \hyperlink{2608.11805}{$\rightsquigarrow$}

\arxiv{2608.12129}{SAG: SQL-Retrieval Augmented Generation with Query-Time Dynamic Hyperedges}{Yuchao Wu, Junqin Li, XingCheng Liang, Yongjie Chen, Yinghao Liang, Linyuan Mo, Guanxian Li}\textbf{cs.CL}. \hyperlink{2608.12129}{$\rightsquigarrow$}

\arxiv{2608.12218}{Information Abundance Paradox: Long-Context Training Undermines Parametric Knowledge}{Arda Uzunoglu, Benjamin van Durme, Daniel Khashabi}\textbf{cs.CL}, cs.AI. \hyperlink{2608.12218}{$\rightsquigarrow$}

\arxiv{2608.11413}{Graphic Matroid Secretary without the Graph}{Paul Dütting, Renato Paes Leme, Martin Pál, Neel Patel}\textbf{cs.DS}. \hyperlink{2608.11413}{$\rightsquigarrow$}

\arxiv{2608.11858}{A Tight Scale-Locality Bound for Partial Detection in Non-Adaptive Group Testing}{Nader H. Bshouty}\textbf{cs.DS}. \hyperlink{2608.11858}{$\rightsquigarrow$}

\arxiv{2608.12075}{Polynomial-Time Singular Witnesses for Non-SNS Sign Patterns}{Tao Jiang, Minbo Gao, Shaowei Cai}\textbf{cs.DS}, cs.DM. \hyperlink{2608.12075}{$\rightsquigarrow$}

\arxiv{2608.11274}{Agent Safety Should Be a Runtime Contract}{Albus W. Ng, Yi Han, Jusheng Zhang, Wenhao Wang}\textbf{cs.CR}, cs.AI. \hyperlink{2608.11274}{$\rightsquigarrow$}

\arxiv{2608.11321}{Spectral graph clustering with inhomogeneous latent geometry}{Konstantin Avrachenkov, Lucas S. Sibemberg, Alexander Van Werde}\textbf{cs.SI}, cs.LG, math.PR, stat.ML. \hyperlink{2608.11321}{$\rightsquigarrow$}

\arxiv{2608.11335}{Dual-Domain Cross-Modal Decoding for Clinical Text-Guided Medical Image Segmentation}{Md Maklachur Rahman, Tracy Hammond}\textbf{cs.CV}, cs.AI, eess.IV. \hyperlink{2608.11335}{$\rightsquigarrow$}

\arxiv{2608.11363}{Adaptation of Generalist Robot Policies with Minimal Data}{Shreyas Kowshik, Sreyas Venkataraman, Leo Wang, Niharika Pant, Max Simchowitz, Aviral Kumar}\textbf{cs.RO}, cs.LG. \hyperlink{2608.11363}{$\rightsquigarrow$}

\arxiv{2608.11469}{The Next Challenge for Agentic Cybersecurity: A Realistic, Contamination-Free Reverse Engineering Benchmark}{Jeremy Spence, Nicholas Assaderaghi, Jinhao Zhu, Nikil Ravi, Raluca Ada Popa, Guannan Wei, Yangruibo Ding, Zhuo Zhang}\textbf{cs.CR}, cs.AI, cs.SE. \hyperlink{2608.11469}{$\rightsquigarrow$}

\arxiv{2608.11537}{Generative Semantic Segmentation via an Observable Semantic-Image Interface and Hierarchical Generator Evidence Alignment}{Weize Cai, Yongqi Dong, Zhida Shao, Zixin Fu}\textbf{cs.CV}, cs.AI, cs.LG, eess.IV. \hyperlink{2608.11537}{$\rightsquigarrow$}

\arxiv{2608.11739}{G0.5: One Autoregressive Stream for Robot Reasoning and Action}{Yicheng Liu, Zibin Dong, Baijun Ye, Tianyuan Yuan, Tao Jiang, Anqi Yang, Shicheng Cao, Haonan Liu, Yue Sun, Zihan Guo, Xiao Liu, Dong Ke, Changxun Pan, Chenru Wu, Tailai Cheng, Xiaoshu Ren, Xinlei Zhang, Jianning Cui, Zijie Zhao, Haoyu Zhang, Kaiming Xu, Haodong Yang, Bowen Zhang, Jiahui Niu, Shaoting Zhu, Shiduo Zhang, Hang Zhao}\textbf{cs.RO}, cs.AI. \hyperlink{2608.11739}{$\rightsquigarrow$}

\arxiv{2608.11889}{DexterSQL: Deep Schema Exploration and Rule-based Correction for Text-to-SQL Generation}{Anik Pramanik, Murat Kantarcioglu, Vincent Oria, Shantanu Sharma}\textbf{cs.DB}, cs.AI, cs.CL, cs.IR. \hyperlink{2608.11889}{$\rightsquigarrow$}

\arxiv{2608.11911}{Hamilton-Zero: A Neural Tensor-Network Foundation Model for Ground States of Arbitrary Quadratic Qubit Hamiltonians}{Timothy Heightman, Elena Orlova, Philip Mantrov, Aleksei Ustimenko}\textbf{quant-ph}, cond-mat.dis-nn, cond-mat.str-el, cs.AI. \hyperlink{2608.11911}{$\rightsquigarrow$}

\arxiv{2608.12032}{LoSA: Near-Lossless Sparse Attention for Training-Free Video Diffusion Acceleration}{Enhuai Liu, Yunke Wang, Yutong Wang, Changming Sun, Chang Xu}\textbf{cs.CV}, cs.AI. \hyperlink{2608.12032}{$\rightsquigarrow$}

\arxiv{2608.12187}{HSTGFormer: Hyper Spatial-Temporal Graph Transformer for 3D Human Pose Estimation}{Ruochen Li, Shuang Chen, Wenke E, Farshad Arvin, Amir Atapour-Abarghouei}\textbf{cs.CV}, cs.AI. \hyperlink{2608.12187}{$\rightsquigarrow$}

\arxiv{2608.12196}{M-Net: Integrating Spectral Features and Physical Field Operators into Deep Learning for Medical Image Segmentation}{Jing Zhu, Ye Wang, Fumin Wang}\textbf{cs.CV}, cs.AI. \hyperlink{2608.12196}{$\rightsquigarrow$}

\arxiv{2608.12230}{Few-Shot Ordinal Learning for Day-Wise Freshness Estimation with Hyperspectral Fish Images}{Kazi Nabiul Alam, Pooneh Bagheri Zadeh, Akbar Sheikh-Akbari}\textbf{cs.CV}, cs.AI, eess.IV, eess.SP. \hyperlink{2608.12230}{$\rightsquigarrow$}

\arxiv{2608.12273}{Convergent Detour Hijacking: Task-Preserving Resource Amplification in Skill-Based LLM Agents}{Junliang Liu, Ruoyu Li, Wenxin Tang, Jingyu Xiao, Zhenyu Liu, Jingheng Xu, Laizhong Cui}\textbf{cs.CR}, cs.AI. \hyperlink{2608.12273}{$\rightsquigarrow$}

\arxiv{2608.12290}{Beyond Trial-and-Error: Agentic Optimization for Image-to-Video Adherence}{Aman Tyagi, Hemanth Boinpally, Jonathan Chen, Douglas Gebert, Steven Hickson}\textbf{cs.CV}, cs.AI, cs.MM. \hyperlink{2608.12290}{$\rightsquigarrow$}

\arxiv{2608.12313}{AVA-Encoder: Towards Agent-Native Video Representation Learning}{Chuyue Li, Jinpeng Yu, Haozhe Wang, Tian Xueyun, Zhijing Zhang, Bingnan Li, Shuqi Gu, Kan Ren, Jiaming Liu, Ruihua Hua}\textbf{cs.CV}, cs.CL. \hyperlink{2608.12313}{$\rightsquigarrow$}

%selection_end

    %body_begin
\section{cs.LG}
\arxivwithtarget{2608.11254}{FarSky: Task-Aware Latent-Space Coupling for Generative Intra-Hour Solar Forecasting}{Yann Fabel, Bijan Nouri, Milon Miah, Niklas Blum, Luis F. Zarzalejo, Julia Kowalski, Robert Pitz-Paal}\textbf{cs.LG}, physics.ao-ph, stat.AP.

本文提出FarSky, 一种基于latent-space coupling的生成式太阳辐照预测框架, 通过multi-task autoencoder学习共享表示并用latent diffusion model生成未来状态, 在西班牙数据集上提升了预测技能和ramp事件检测性能. 该方法与关键词关联较弱, 属于应用性改进.


\arxivwithtarget{2608.11256}{Why AI Detection Fails for Academic Integrity}{Jonathan A. Karr Jr, Grigorii Khvatskii, Ting Hua, Nitesh V. Chawla}\textbf{cs.LG}, cs.CY.

本文通过控制实验量化了商业AI检测器在学术诚信场景中的失效问题, 发现其无法区分AI编辑与完整LLM草稿, 且对合规AI辅助的误报率远高于未修改原文, 而人类化改写可近乎完全规避检测. 研究指出检测器分数不应作为学术不端的独立证据, 但未提出新的检测方法或理论框架.


\arxivwithtarget{2608.11279}{Basin: Efficient and Extensible Numerical Optimization in Rust}{Johan Larsson}\textbf{cs.LG}, math.OC.

Basin是一个面向Rust编程语言的数值优化库, 旨在为用户提供统一的问题表述和求解接口, 并包含多种求解器及对约束的支持. 该工作主要聚焦于软件工程实现, 而非提出新的数学优化方法.


\arxivwithtarget{2608.11281}{Federated Learning for Distributed CNC Tool Wear Prediction}{Afsana Khan, Morris Stallmann, Marcin Pietrasik, Charis Kouzinopoulos, Anna Wilbik}\textbf{cs.LG}, cs.AI.

本文研究了联邦学习在分布式CNC刀具磨损预测中的应用, 通过模拟客户端分布数据, 比较了联邦模型与集中式和本地模型的性能, 表明联邦学习在保护数据隐私的同时接近集中式学习效果. 该工作主要面向工业应用场景, 与关键词列表中的方向关联较弱.


\arxivwithtarget{2608.11318}{Terminal Symmetry as a Decision Resource: Statewise Refinement for Anytime Verified Construction}{Yi Liu}\textbf{cs.LG}, cs.AI.

本文提出了一种利用终端对称性作为决策资源的序列构造方法, 通过传输-细化-验证框架提升构造任务的效率, 并在多个基准上验证了其有效性.


\arxivwithtarget{2608.11324}{Contextual Quality-Diversity Evolutionary Reinforcement Learning for HVAC Control in Tropical Commercial Buildings}{Tran Le Vu}\textbf{cs.LG}, cs.AI, cs.NE, math.OC.

本文提出了一种用于热带商业建筑暖通空调控制的情境质量-多样性进化强化学习控制器, 通过维护策略档案并结合安全过滤机制进行监督控制, 并在简化环境上进行了年度回测评估.


\arxivwithtarget{2608.11327}{Long-Horizon Forecasting of Complete Financial Statements with Forma}{Travis L. Johnson, Jiannan Jiang, Soumyabrata Chaudhuri, Yihao Chen, Lauren Falvey, Donal O'Cofaigh}\textbf{cs.LG}, q-fin.CP.

本文提出Forma模型, 用于预测完整财务报表未来1-20季度的78个科目, 并发布ProForma-20Q基准. 实验表明其优于多种基线方法, 但方法创新性有限, 与关键词关联较弱.


\arxivwithtarget{2608.11342}{Weightless Fine-Tuning: Personalizing LLMs via Logit-Space Transport}{Bohan Zhang, Anqi Ni, Yixin Wang, Paramveer S. Dhillon}\textbf{cs.LG}, cs.CL.

本文提出Weightless Fine-Tuning (WFT), 一种无需权重更新的解码时方法, 通过logit-space transport近似监督微调的效果, 在个性化任务中降低计算成本. 该方法在LaMP基准上接近SFT性能, 但未涉及关键词相关领域.


\arxivwithtarget{2608.11349}{Dynamics Models for Offline Hyperparameter Selection in Real-World RL}{Jordan Coblin, Han Wang, Martha White, Adam White}\textbf{cs.LG}, cs.AI.

本文首次将calibration models应用于真实工业场景(市政水处理厂) , 评估了包括k-nearest neighbors模型在内的多种方法在高维非平稳传感器数据上的表现, 证明其能生成长期rollouts并恢复超参数敏感性趋势, 为离线强化学习部署提供了概念验证.


\arxivwithtarget{2608.11359}{Market-Information-Aware Gated-LoRA of Foundation Models for Transferable Day-Ahead Electricity Price Forecasting}{Hang Fan, Wei Wei, Shengwei Mei}\textbf{cs.LG}.

本文提出了一种基于市场信息感知的gated-LoRA框架, 将Chronos-2时间序列基础模型迁移至日前电价预测, 通过多源市场信息接口和状态依赖门控机制在数据稀缺市场中实现跨市场迁移, 实验显示其性能优于零样本和vanilla LoRA基线. 该工作聚焦于电力市场预测的工程应用, 与关键词列表中的核心概念关联较弱.


\arxivwithtarget{2608.11361}{Lifecycle-Optimal Tokenization: Vocabulary Size as a Deployment-Regime-Dependent Infrastructure Parameter}{Rima Mittal, Ankit Gubrani, Satyanarayana Kakollu}\textbf{cs.LG}, cs.CL, cs.PF.

本文研究了LLM中tokenizer词汇表大小作为部署环境相关的基础设施参数, 提出了生命周期总成本模型, 并通过实验表明推理最优词汇量随服务批次变化, 但整体方法较为常规, 与关键词关联度低.


\arxivwithtarget{2608.11368}{PAIR: Pairwise-Aware Inclusion Reweighting for Adaptive Rollout Allocation in RLVR}{Pixel Nomand, Elena Voss, Marcus Hale, Sofia Reyes}\textbf{cs.LG}.

本文提出PAIR方法, 通过将rollout配对梯度项视为对比图边并加权修正, 解决了RLVR中自适应分配预算时的统计偏差问题, 在Qwen3模型上提升了准确率并减少了生成token数. 该方法与关键词列表中的主题关联较弱.


\arxivwithtarget{2608.11375}{Towards an approach to multivariate outlier detection for District Heating System data}{Rajko Turudija, Dušan Stojiljković, Milan Zdravković, Marko Ignjatović}\textbf{cs.LG}, eess.SY.

本文测试了多种多变量离群点检测方法(如Mahalanobis距离、PCA、Isolation Forest和Hotelling's T-squared test) 在区域供热系统数据中的应用, 并采用集成方法综合三种有效方法的结果. 研究旨在识别异常运行工况, 但与关键词列表中的主题关联较弱.


\arxivwithtarget{2608.11383}{Reoptimization Algorithms for Contextual Bandits with Knapsack Constraints}{Zhen Xu}\textbf{cs.LG}, math.OC.

本文研究了带背包约束的上下文老虎机问题, 提出了一种基于上置信界(UCB) 算法的自然扩展并结合再优化技术的新算法, 证明了其平均遗憾为$O((\ln T)^3/T)$, 优于文献中动态定价问题的$O(1/\sqrt{T})$界. 该工作主要贡献在于算法设计与遗憾分析, 但与关键词列表关联较弱.


\arxivwithtarget{2608.11390}{Mechanism Design for Generative Engines: From Exploitation toward Win-Win Outcomes}{Chen Xu, Zitian Guo, Chenyan Xiong}\textbf{cs.LG}.

本文研究了生成式引擎中内容提供者与平台之间的策略博弈, 提出了一种基于可验证内容奖励的机制VCR, 以缓解引用竞争导致的文档质量下降问题. 实验表明该机制在多个基准上优于现有防御方法.


\arxivwithtarget{2608.11410}{Unmasking Toxic Mimicry in Medical Offline Reinforcement Learning for ICU Sepsis Management via Counterfactual Clinical Audits}{Hangqi Ren, Junyi Liao}\textbf{cs.LG}, cs.CY.

本文提出Counterfactual Clinical Audit (CCA)框架, 用于审计ICU脓毒症管理中离线强化学习智能体的行为, 发现标准评估指标无法检测有害模仿模式. 通过MIMIC-III数据验证, CCA揭示部分模型在乳酸升高时反而降低血管加压药剂量, 与临床指南相悖.


\arxivwithtarget{2608.11419}{Diffusion-Based Data-Driven Assortment Optimization}{Junyi Liao, Xiaohui Jiang, Zhengwei Tong, Ethan X. Fang, Vahid Tarokh}\textbf{cs.LG}.

本文提出了一种基于guided discrete diffusion的模型无关assortment optimization框架, 通过将assortments表示为binary vectors并利用学习到的reverse diffusion process进行stochastic search, 引入reward-guided机制平衡探索与利用. 实验表明该方法在模型误设下仍能识别高质量解, 但方法本身与关键词列表关联较弱.


\arxivwithtarget{2608.11423}{Analysis of Federated Aggregation under Model Poisoning and Backdoor Attacks: A Reconstructed Cross-Dataset and Cross-Architecture Benchmark}{Soumya Mazumdar, Vineet Kumar Rakesh, Tapas Samanta}\textbf{cs.LG}, cs.CR, cs.CV.

本文重建了一个跨数据集和跨架构的联邦聚合方法基准, 评估了五种聚合方法在模型投毒和后门攻击下的表现, 并审计了攻击指标与FedPARETO框架的实现细节. 研究发现Trimmed Mean和Krum在不同条件下表现最优, 但结果仅具描述性, 不构成统计估计或普适性结论.


\arxivwithtarget{2608.11424}{Click2Poly: A VLM for vector mapping buildings and walls}{Nicolas Girard, Jawher Ben Abdallah, Arno Gobbin, Liuyun Duan, Sacha Lepretre}\textbf{cs.LG}, cs.CV.

本文提出Click2Poly, 一种基于Florence-2视觉语言模型的人机交互AI助手, 用于加速建筑和墙体矢量地图的编辑过程, 并作为QGIS插件在实际生产环境中应用. 该方法主要关注交互式编辑效率, 与关键词中的核心数学或理论方向关联较弱.


\arxivwithtarget{2608.11427}{Three Tokens Force Exponential Feature Rank in Nonnegative Kernel Attention}{Vicente Opazo}\textbf{cs.LG}.

本文研究了kernel attention与full attention在表达能力上的本质差异, 证明了在Min-IP问题中, 对于包含三个token的序列, 任何单个归一化非负kernel attention head若要在误差低于$1/2$的情况下解决所有实例, 其特征维度必须达到$2^{\Omega(m)}$, 而dense softmax attention仅需$m$维即可. 该下界在上下文长度增长时趋近于精确的$2^m$特征实现, 且结论在位置依赖token映射和因果查询下依然成立. 此外, 对于具有有限字母表跨token通道的多头多层sketch模型, 作者证明了与独立答案数线性、与字母表大小对数相关的transcript下界. 该工作揭示了kernel attention在长上下文任务中的根本性局限, 与attention机制的表达效率密切相关.


\arxivwithtarget{2608.11431}{AutoGrable: What Is a Good Graph for a Table?}{Tamara Cucumides, Floris Geerts}\textbf{cs.LG}.

本文提出AutoGrable方法, 通过行划分的color-refinement准则评估表格到图构造的质量, 无需训练GNN即可选择最优列子集构建图结构, 实验表明其能高效筛选候选图并优于固定或随机构造方法.


\arxivwithtarget{2608.11435}{Variational Parameter Calibration with Physics-Aware Latent-Space Surrogates}{Qiyao Zhou, Xujia Zhu, Pierre Joli, Yu Cong, Sibo Cheng}\textbf{cs.LG}, physics.comp-ph, physics.data-an, physics.flu-dyn.

本文提出了一种基于物理感知的神经网络潜空间框架, 用于参数化动力系统的降阶前向建模和变分参数估计, 通过可微代理模型将物理参数映射到预测流场. 在计算流体动力学基准上的实验表明, 该方法在噪声、低分辨率等实际观测条件下相比标准代理模型能降低校准误差, 但整体方法属于工程性改进, 缺乏开创性.


\arxivwithtarget{2608.11446}{XGBoost "is all you need": the case of forecasting transmitted heat energy in District Heating Systems}{Milan Zdravković}\textbf{cs.LG}, eess.SY.

本文比较了XGBoost与LSTM在区域供热系统(DHS) 中预测传输热能的性能, 发现XGBoost在特定时间序列预测任务中优于LSTM, 且计算成本更低、环境影响更小. 研究通过误差分布分析解释了差异, 但方法本身缺乏开创性, 与关键词关联较弱.


\arxivwithtarget{2608.11465}{PAC-Bayes Beyond Parameter Space: Behavioral Equivalence, Z-Information, and Exact Complexity Decomposition}{Vasant G. Honavar, Satish Kumar Keshri, Neil Ashtekar, Zehao Liu}\textbf{cs.LG}, cs.AI.

本文通过可测行为映射和测度分解, 将经典PAC-Bayes KL散度精确分解为行为选择项和实现级项, 并定义了Z-information刻画两者差异. 该工作为理解过参数化系统中的泛化复杂度提供了新视角, 但未直接涉及关键词中的核心主题.


\arxivwithtarget{2608.11473}{Dual-Primal Graph VAEs for Noisy Label Aggregation}{Patrick Stinson, Nikolaus Kriegeskorte}\textbf{cs.LG}.

本文提出了一种基于图VAE的众包噪声标签聚合方法, 利用GAT消息传递在数据集邻接图及其对偶图上进行编码和解码, 将真实标签作为潜在变量进行无监督学习. 该方法在众包基准上取得较好性能, 并可通过扩展图结构融入辅助信息提升分类效果.


\arxivwithtarget{2608.11479}{Convergence Guarantees of Gradient Descent for Neural Networks via Generalized Lipschitz Smoothness}{Siqiao Mu, Diego Klabjan}\textbf{cs.LG}.

本文研究了梯度下降在一般前馈神经网络中的收敛性保证, 通过引入广义Lipschitz smoothness条件, 证明了在激活函数满足Lipschitz smooth等性质时, 最小梯度范数平方以$O(1/T^{1/L})$速率收敛到零. 该工作为神经网络优化理论提供了新的分析框架, 但与关键词列表关联较弱.


\arxivwithtarget{2608.11495}{Defending against Model Extraction for GNNs with Model Reprogramming}{Yan Wen, Zhenyi Wang, Heng Huang}\textbf{cs.LG}, cs.CR, cs.IR.

本文提出GraphRP框架, 利用Model Reprogramming为GNNs构建主动防御机制, 通过结构感知门控机制动态调整决策边界以抵御模型提取攻击, 并理论证明攻击者估计误差的下界. 实验表明该方法在保持良性查询效用的同时显著降低攻击有效性.


\arxivwithtarget{2608.11499}{HyperFix: Combinatorial Nonlinear Correction for Task Vector Merging}{Hyo Seo Kim, Ren Wang}\textbf{cs.LG}, cs.AI.

本文提出HyperFix, 一种轻量级hypernetwork, 用于预测任务向量合并中的子集条件非线性校正, 以解决不同任务子集合并时的线性限制问题. 实验表明其性能优于现有方法, 但方法本身属于工程性改进, 缺乏开创性或与关键词的显著关联.


\arxivwithtarget{2608.11508}{RelShap: Relationally Consistent Shapley Explanations}{Seungeun Lee, Joao Fonseca, Julia Stoyanovich}\textbf{cs.LG}.

本文提出RelShap框架, 将关系约束和数据溯源纳入Shapley值计算, 以生成更符合数据生成过程的解释, 并可与多种估计器组合使用. 实验表明其在受控设置中优于现有方法, 但方法本身属于改进性工作, 与关键词列表关联较弱.


\arxivwithtarget{2608.11511}{Let it Cook: Learning to Wait in Sequential Decision Making}{Christopher Watson, Arjun Krishna, Dinesh Jayaraman, Rajeev Alur}\textbf{cs.LG}, cs.AI.

本文提出在序贯决策中训练一个"等待策略"以决定何时及多久不采取行动, 通过带字典序目标的强化学习来最小化感知和决策频率, 同时不牺牲任务性能. 实验在多个离散和连续状态环境中验证了该方法能学习到显著的等待行为.


\arxivwithtarget{2608.11519}{FLARE++: Low-rank attention with dynamic attention routing}{Vedant Puri, Yongjie Jessica Zhang, Levent Burak Kara}\textbf{cs.LG}.

FLARE++提出了一种动态注意力路由的低秩注意力架构, 通过复用FLARE的encoder将输入token聚合成输入条件化的查询, 从而替代固定查询模板, 同时保持线性$O(NM)$复杂度和标准SDPA操作. 该方法在PDE代理基准上平均提升24%准确率, 并在Long Range Arena上提升2.3点, 解决了固定查询在变输入分布下的泛化限制, 与关键词attention高度契合.


\arxivwithtarget{2608.11532}{Hierarchical Federated Transfer Learning in Digital Twin-Based Vehicular Networks}{Qasim Zia, Saide Zhu, Haoxin Wang, Zafar Iqbal, Yingshu Li}\textbf{cs.LG}, cs.AI.

本文针对Digital Twin-based Vehicular Ad hoc Network (DT-VANET)中联邦学习面临的数据异构性和稀疏性问题, 提出了一种结合联邦迁移学习的层次化联邦迁移学习框架, 并设计了相应的模型更新算法和数据质量评分机制以提升全局模型精度. 实验验证了该方法的有效性, 但方法本身与关键词列表关联较弱.


\arxivwithtarget{2608.11541}{Robust Ambiguity Detection (RAD) From Model- and Feature-Space Consistency}{Manya Singh, Mark T. Keane, Arjun Pakrashi}\textbf{cs.LG}.

本文提出Robust Ambiguity Detection (RAD)框架, 通过模型空间一致性和特征空间一致性两个指标量化预测模糊性, 并利用RAD Plot可视化模糊来源. 该方法在合成和真实数据集上评估, 并展示了基于Pareto排序的弃权应用, 但方法创新性一般, 与关键词关联较弱.


\arxivwithtarget{2608.11555}{Certifying What Helps Customer-Return Timing: A Screen-and-Confirm Test for Conditioning Signals, and Why Decay Is Nearly Enough}{Sang Su Lee, Vineeth Loganathan, Shishir Dash, Vijay Raghavan}\textbf{cs.LG}, stat.AP.

本文提出了一种screen-and-confirm协议, 用于验证候选信号是否真正改善temporal-point-process (TPP)模型的event-timing likelihood, 并通过正控制确认模型能力, 从而将“条件化无帮助”转化为可检验的结论. 作者在多个公开基准和真实市场上证明, continuous-time decay几乎足以预测customer-return timing, 而额外条件化信号冗余或有害, 但方法本身并非开创性突破, 与关键词关联较弱.


\arxivwithtarget{2608.11560}{When Offline Evaluation Misleads: A Diagnostic Protocol for Reward and Policy Selection in Delayed-Feedback Contextual Bandits}{Sang Su Lee, Vineeth Loganathan, Shishir Dash, Vijay Raghavan}\textbf{cs.LG}.

本文提出了一种针对延迟反馈情境下上下文多臂老虎机(CMAB) 的奖励与策略选择的诊断协议, 通过有序检查对齐性和可学习性来避免离线评估的误导. 作者在公开基准和合成数据上验证了该协议, 并应用于实际推送系统, 指出单一离线指标可能错误排序奖励, 且个性化溢价易被高估.


\arxivwithtarget{2608.11567}{Sparse and robust geometric twin support vector machine via asymmetric RoBoSS loss function}{Kai Qi, Xinji Huang, Hongchun Wang}\textbf{cs.LG}.

本文提出了一种基于非对称鲁棒有界稀疏平滑损失函数的$l_1$-范数几何孪生支持向量机(aRSGTSVM) , 用于处理含标签噪声和特征噪声的分类与回归任务, 并通过影响函数分析其鲁棒性, 设计了近端梯度下降求解算法. 实验表明该方法在合成数据和UCI数据集上优于现有方法, 并成功应用于中国股市指数跟踪.


\arxivwithtarget{2608.11572}{RECAST: A Machine-Learning Framework for Correction and Super-Resolution of Coarse-Grid PDE Solvers}{Maryam Reza, Farbod Faraji}\textbf{cs.LG}, physics.comp-ph.

本文提出RECAST框架, 结合循环误差修正与超分辨率重建, 在粗网格PDE求解中恢复精度, 实验显示误差降低50-92%, 但方法为常规机器学习应用, 缺乏开创性.


\arxivwithtarget{2608.11612}{Dion3: Full-Stack Orthogonal Updates}{Noah Amsel, Jack Zhang, Kwangjun Ahn, Ali Naeimi, Austin Feng, Berlin Chen, Tri Dao, John Langford}\textbf{cs.LG}, cs.AI.

本文提出Dion3, 一种对Muon优化器的全栈式改进, 旨在降低其立方时间Newton-Schulz正交化步骤带来的计算与通信开销. 通过Gram Newton-Schulz算法、利用对称性的CuteDSL内核以及megabatching策略, Dion3在保持与Muon相当或更优的loss表现的同时, 将优化器步进时间最多减少6倍. 此外, 文章引入仅正交化动量矩阵部分行的更新规则, 进一步提升了速度与性能, 可作为Muon的直接替代品.


\arxivwithtarget{2608.11613}{A Local Sinkhorn Framework for Conditional Distribution Reconstruction of Multidimensional Random Fields}{Mingtao Xia, Qijing Shen}\textbf{cs.LG}.

本文提出了一种基于去偏Sinkhorn散度的局部分布匹配框架, 用于训练随机神经网络以重建多维随机场的条件分布, 并给出了泛化误差估计. 该方法在重建精度与计算效率间取得平衡, 适用于不确定性量化.


\arxivwithtarget{2608.11623}{FM-LLM: A frequency-enhanced mixture-of-experts framework for adapting LLMs to time series forecasting}{Rentao Gu, Yihang Ding, Junjie Li, Yi Ding, Weijing Sang, Xiaoli Huo, Xin Qin, Yuefeng Ji}\textbf{cs.LG}, cs.AI, cs.NI, eess.SP.

本文提出FM-LLM框架, 通过Fourier Analysis Network (FAN)将时间序列的spectral特征直接注入冻结的LLM, 实现无文本提示的模态对齐, 避免了传统方法依赖textual prompts带来的计算开销. 其核心创新在于采用constrained asymmetric coupling设计: 共享专家结合轻量FAN层重建全局周期结构, 而路由专家仅使用标准FFN建模非周期残差动态, 并通过time-frequency hybrid loss联合优化时域精度与spectral一致性. 在11个公开基准上, FM-LLM在78项指标中取得59项最优, 相比最强自回归LLM基线平均降低MSE 5.3%和MAE 5.6%, 并在10% few-shot和zero-shot场景下保持优越性能, 为LLM适配时间序列预测提供了新的spectral-aware范式.


\arxivwithtarget{2608.11638}{Transferable Above-Ground Biomass (AGB) Estimation Model from Multi-Sensor Data with Sparse Field Calibration}{Pann Thinzar Seint, Bryan Atwood, Subas Chhatkuli}\textbf{cs.LG}, cs.CV.

本文提出了一种基于多源遥感数据(Sentinel-1/2、ALOS-2 PALSAR-2和DEM) 的全球训练卷积神经网络(CNN) 模型, 用于估算森林地上生物量(AGB) , 并通过少量野外样地数据进行轻量级尺度与偏差校正以适应新区域. 实验表明, 该框架在局部验证中优于未校准的全球模型和ESA CCI产品, 但方法主要为工程性集成与校准流程, 缺乏理论或方法上的开创性.


\arxivwithtarget{2608.11654}{Towards a Formal Definition of Agent Memory: Basis, Span, Optimality, and the Sequential Memory Problem}{Hongyao Tang}\textbf{cs.LG}.

本文提出了一种关于agent memory的形式化定义框架, 将memory视为basis, knowledge视为其span, 并将answerability建模为coverage问题. 作者通过generation operator将事件集转化为知识, 定义最优memory为capacity约束下期望coverage的最大化, 并引入utility-capacity frontier作为比较不同memory系统的统一标准. 该工作还考虑了memory中的噪声, 类比生物记忆的持续形成过程, 在sequential MDP中形式化了continual agent-memory problem, 其中memory为state、writing为action、query-time utility为延迟reward. 通过在Homer的"Odyssey" 上的实例化, 该框架将frontier、compression zone以及coverage与precision的差异转化为具体数值, 为评估和构建agent memory提供了可度量的基础, 与关键词agent和attention(作为query机制) 高度契合.


\arxivwithtarget{2608.11656}{Continuous-Latent Predictive Modeling with Semantic Alignment for EEG-Language Foundation Models}{Myeong-Ju Cho, Hye-Bin Shin, Seo-Hyun Lee, Seong-Whan Lee}\textbf{cs.LG}.

本文提出了一种名为BLPM的EEG-语言基础模型, 通过连续潜在预测和语义对齐来改进神经解码, 但方法创新性有限, 与关键词列表关联较弱.


\arxivwithtarget{2608.11658}{Is Per-Agent Policy Composition Safe? Rethinking Successor-Feature Transfer in Cooperative Multi-Agent Reinforcement Learning}{Zijian Zhao, Sen Li}\textbf{cs.LG}, cs.AI, cs.MA.

本文针对多智能体强化学习中的successor feature迁移问题, 证明了独立per-agent策略组合(即每个智能体独立重组其策略库) 可能产生比库中所有策略都更差的联合行为, 因为重组队友改变了每个智能体面临的环境, 使其依赖的价值函数失效, 这一失败在单智能体场景中不存在. 作者进一步证明唯一无条件安全的固定规则是同步组合, 但它无法服务给不同智能体分配不同目标的目标函数. 为兼顾安全性与灵活性, 本文提出MA-USFA方法, 采用两层层次结构: 底层为universal successor feature approximators, 在条件于队友目标的情况下预测每个智能体的successor features; 上层组合器跨智能体选择每个智能体应遵循的库条目, 并提供per-agent价值无法表示的跨智能体修正. 该方法在目标分布上训练一次, 部署时无需逐任务适应, 为多智能体迁移学习提供了首个兼具安全性与灵活性的解决方案.


\arxivwithtarget{2608.11661}{Low-Interaction-Rank Learning: Unifying Multiplicative Dual-Encoder Heads}{Zijian Zhao, Sen Li}\textbf{cs.LG}, cs.AI.

本文引入low interaction rank函数类, 以interaction spectrum度量其内在复杂度, 为multiplicative dual-encoder架构(即内积形式的双编码器网络) 提供了统一的理论基础. 在该框架下, 近似误差分解为谱截断项与encoder实现项, 样本复杂度由两个encoder复杂度的和而非积决定, 并基于谱衰减给出架构适用性判据. 文章进一步揭示该架构存在线性gauge对称性导致的identifiability问题, 证明normalization等价于gauge fixing, 而whitening可将interaction modes固定至置换与符号, 从而解释对比学习维度不可解释性并提供构造性修正. 实验在合成核、operator learning与CLIP模型上验证了谱衰减率预测、whitening恢复真实模式, 并发现独立训练的CLIP模型间仅差一个旋转, 去除后暴露可解释概念轴, 与spectral及pretrain关键词高度契合.


\arxivwithtarget{2608.11669}{Rubric Dropout: A Simple Way to Mitigate Reward Hacking in Rubric-as-Reward RL}{Minglai Yang, Xinyu Guo, Utkarsh Tyagi, Mian Zhang, Razvan Dumitru, Sunjie Hou, Yunzhong He, Daniel Yue Zhang, Ying Liu}\textbf{cs.LG}, cs.AI, cs.CL.

本文针对基于rubric的强化学习中的reward hacking问题, 提出了一种简单的Rubric Dropout方法, 通过在训练时随机丢弃部分评分标准来缓解策略对固定代理评分的过度优化, 并在医学和科学基准上验证了其提升OOD泛化性能的效果.


\arxivwithtarget{2608.11674}{GCPO: Diagnosing and Constraining Subspace Geometry in Rollout RL for LLMs}{Kai Yang, Jingwei Xu, Wanyu Wang, Kai-Yuan Guo, Zhenbo Yu, Yi Wang, Yu Qiao}\textbf{cs.LG}, cs.AI.

本文提出Principal-Subspace Overlap, 一种维度校正的度量, 用于诊断LLM在rollout RL(如GRPO) 训练中单个更新与预训练权重主导奇异子空间之间的几何关系, 并发现瞬态尖峰往往先于性能退化. 基于此, 作者提出GCPO(Geometrically Constrained Policy Optimization) , 通过对更新施加硬性双侧正交投影以约束其到互补子空间, 从构造上防止此类几何偏移. 在数学推理、代码生成和工具使用任务上, GCPO在Qwen3-8B和GLM4-9B上一致优于GRPO、DAPO和GSPO, 同时消除响应长度膨胀并稳定策略熵, 为RL后训练提供了新的诊断视角和基于spectral几何的设计原则.


\arxivwithtarget{2608.11675}{FunnelCausalNet: Funnel-aware Joint Conversion-Revenue Uplift for Multi-tier Coupon Allocation}{Yu Zhang, Zhihan Wang, Guanlin Chen, Min Jiang, Shuai Li}\textbf{cs.LG}, cs.IR.

本文提出FunnelCausalNet, 一种结合转化与条件价值头的uplift估计器, 用于多层级优惠券分配中的GMV提升. 在RCT数据上通过半合成与工业实验验证其效果, 但方法主要为启发式组合, 缺乏开创性理论突破.


\arxivwithtarget{2608.11690}{Drift and Dependence: Layer-wise Information-Theoretic Bounds for Replay-Based Continual Learning}{Tieliang Gong, Zhongbo Zhang, Wen Wen, Yong-Jin Liu}\textbf{cs.LG}, stat.ML.

本文提出了一种基于层的信息论框架, 用于分析基于回放的持续学习中的泛化误差, 将泛化差距分解为表示漂移和优化依赖项, 并通过Wasserstein松弛和SGLD实例化提供可操作的诊断工具. 实验验证了理论预测, 但方法主要针对持续学习场景, 与关键词关联较弱.


\arxivwithtarget{2608.11691}{LEMUR: Latent Entropy-aware Multimodal Unlearning via Visual-anchored Reasoning Redirection}{Xinhao Zhong, Yuxia Qiao, Junhao Li, Hao Fang, Yi Sun, Bin Chen}\textbf{cs.LG}, cs.CL.

本文提出LEMUR, 一种针对强化学习训练的多模态大推理模型的免训练推理时遗忘框架, 利用token级熵动态识别并重定向敏感推理轨迹, 以抑制隐私泄露. 实验表明该方法在抑制推理痕迹和答案泄露上优于现有遗忘方法, 同时保持非敏感效用.


\arxivwithtarget{2608.11698}{REOPD: Reliability-Adaptive Reward Extrapolation for On-Policy Distillation}{Yang Sun, Lichao Ma, Houyuan Qin, Yuxin Liu, Hanyang Lu, Yao Zhu, Pinlong Cai, Guohang Yan}\textbf{cs.LG}, cs.AI.

本文提出REOPD框架, 通过结合token级兼容性权重与batch级自适应预算, 为on-policy distillation中的reward extrapolation方法提供逐token系数调整, 以缓解reward hacking并提升训练稳定性. 实验表明REOPD在数学与代码任务上表现优于或匹配现有方法, 但方法本质为工程性改进, 缺乏理论开创性.


\arxivwithtarget{2608.11701}{Consolidator: Learning Persistent Routed Memory Across Context Boundaries}{Sungwoo Goo, Hwi-yeol Yun, Sangkeun Jung}\textbf{cs.LG}, cs.AI.

本文提出Consolidator机制, 在Phasor Memory Network中通过共享slot-local算子将短期记忆转换为长期记忆, 并在两段式modulo-10映射任务上验证其有效性. 实验表明该机制能提升更新映射的召回率, 但方法较为特定, 与关键词契合度有限.


\arxivwithtarget{2608.11704}{Robust and Efficient Noisy-Label Time-Series Classification via Dynamic Time Warping Based Granular Ball Computing}{Ziqiang Li, Yun Liu, Gouhei Tanaka}\textbf{cs.LG}, cs.AI.

本文提出基于Dynamic Time Warping (DTW)的Granular Ball Computing方法(DTW-GBC), 通过将时间序列训练样本组织成粒球并在粒级进行分类, 以缓解标签噪声对DTW-based Nearest-Neighbor分类器的影响, 同时减少推理时的DTW计算量. 实验表明该方法在对称标签噪声下能保持分类鲁棒性并提升推理效率.


\arxivwithtarget{2608.11713}{High-dimensional Multi-objective Bayesian Optimization with Learned Variable Interactions}{Hongyan Wang, Jiayu Huang, Haotian Zheng, Xin Gao, Chi Ding, Ying Liu, Xia Wang, Qing Xu, Keqiang Li}\textbf{cs.LG}, cs.AI.

本文提出了一种基于变量交互分析的高维多目标贝叶斯优化框架ViaMOBO, 通过分析决策变量间的独立或依赖关系将高维决策空间分解为子空间, 并在子空间中进行局部贝叶斯优化, 以缓解高维采样复杂度问题. 实验表明该方法在合成和真实基准上优于现有MOBO方法, 但未涉及关键词相关方向.


\arxivwithtarget{2608.11716}{Chain-of-Thought Shows the Path to a Tree: Realizing Branching Complexity}{Debanjan Dutta, Anish Chakrabarty, Swagatam Das}\textbf{cs.LG}.

本文通过显式的深度有界构造, 为Chain-of-Thought (CoT)在分支复杂度上的表达能力提供了具体实现. 作者给出了至多两层hard-attention decoder对depth-first search (DFS)和Dijkstra算法的CoT实现, 并以此作为共享计算基板, 分别用四层和三层decoder在$2n-1$和$n-1$步内计算$n$顶点树的Strahler number和width. 由于计算二叉树的Strahler number是$\textsf{NC}^1$-complete问题, 且构造无需layer normalization或positional encodings, 这为CoT层次结构的线性步数机制提供了非平凡证据, 并利用有序树与Dyck路径的经典双射给出了路径表示上的独立构造.


\arxivwithtarget{2608.11746}{Epiplexity Guided Data Selection and Generation for Out-of-Distribution Generalization}{Ellen Su, Andres Potapczynski, Shikai Qiu, Edward Hughes, Andrew Gordon Wilson}\textbf{cs.LG}, cs.CL.

本文提出利用epiplexity(一种衡量计算受限学习者从数据中提取结构信息的指标) 作为在线训练信号, 用于数据选择和合成数据生成, 以提升模型的out-of-distribution泛化能力. 实验表明, 高epiplexity数据能改善zero-shot和fine-tuning性能, 但方法主要针对数据筛选, 与关键词关联较弱.


\arxivwithtarget{2608.11749}{MOON: Multi-Objective OrthoNormalized Updates for Multitask Learning}{Shiji Zhou, Kunlin Lyu, Lei Zhang, Ruodong Wang, Yifan Sun}\textbf{cs.LG}, cs.AI, stat.ML.

本文提出MOON (Multi-Objective OrthoNormalized Updates)方法, 针对多任务学习中的多目标优化问题, 指出在欧氏空间中进行梯度操纵并非矩阵几何下的最速下降方向, 从而限制了优化效率. 该方法基于谱-核范数几何(spectral-nuclear norm geometry) 执行梯度操纵, 并使用正交归一化后的操纵梯度进行参数更新, 理论证明在光滑非凸目标下, 确定性设置中Pareto-stationarity测度的平均收敛率为$\mathcal{O}(T^{-1/2})$, 随机梯度下为$\mathcal{O}(T^{-1/4})$. 实验表明MOON在多个基准上一致提升优化效率与最终多任务性能, 其核心思想与关键词中的spectral和Muon(一种基于正交化更新的优化器) 高度契合, 具有方法上的开创性.


\arxivwithtarget{2608.11785}{TradingMoE: Routing the Right Experts in Evolving Markets}{Chang Zhou, Xingtong Yu, Minbin Huang, Zhennan Wu, Yuan Fang, Hong Cheng, Xinming Zhang}\textbf{cs.LG}.

本文提出TradingMoE, 一种面向交易的稀疏Mixture-of-Experts模型, 通过Query-Key router和稀疏专家选择更新机制, 在股票和加密货币市场上提升了累计收益, 但方法主要针对金融交易场景, 与关键词契合度有限.


\arxivwithtarget{2608.11790}{High-Order Liquid Evidence Encoding for Gradual GNSS Spoofing Detection in Autonomous Driving}{Muhammad Ayub Sabir, Junbiao Pang, Fatima Ashraf}\textbf{cs.LG}.

本文提出一种基于高阶液体证据编码的GNSS欺骗检测方法, 通过构造GNSS与车载运动的不一致性残差及其一阶、二阶离散变化作为证据流, 并利用自适应液体编码器进行时序建模. 实验在AV-GPS数据集上验证了其有效性, 但方法主要针对特定应用场景, 创新性有限.


\arxivwithtarget{2608.11797}{Orientation, not magnitude: the causal structure of task-vector interference in merged language models}{Chencheng Zhu}\textbf{cs.LG}.

本文通过因子化账本和直接干预, 研究了合并语言模型中任务向量干扰的因果结构, 发现幅度不足以作为诊断轴, 而方向具有因果重要性. 研究基于预注册的46项预测, 报告了包括自身预期在内的证伪结果, 但未涉及关键词列表中的特定主题.


\arxivwithtarget{2608.11801}{JAPE: Joint Anomaly Prediction and Intrinsic Explanation in Multivariate Time Series}{Yian Wei, Yuanyuan Yao, Lu Chen, Xiangmin Zhou, Tianyi Li}\textbf{cs.LG}.

本文提出JAPE框架, 将多变量时间序列异常预测从数值偏差建模提升至依赖结构建模, 通过解耦时空表示和双视角告警机制实现预测, 并利用预测的依赖图进行变量级解释. 实验表明其在多个基准上提升了F1和AUC-PR指标.


\arxivwithtarget{2608.11815}{Learning with Bilevel-Minimax Optimization for Efficient and Reliable Transfer Attacks}{Yaohua Liu, Yifan Guo, Jiaxin Gao}\textbf{cs.LG}, cs.CV.

本文从bilevel-minimax视角重新审视基于迁移的黑盒对抗攻击问题, 提出BMAT方法, 通过结合Soft Weight Modulator和Implicit Gradient Approximator实现初始化、代理模型适应与扰动优化的三元耦合, 并在分类与分割基准上验证了其有效性.


\arxivwithtarget{2608.11829}{Towards Understanding On-Policy Distillation through the Lens of Test-Time Scaling}{Xinmu Ge, Zizhuo Zhang, Yu Huang, Jianing Zhu, Lin Yuan, Wanli Gu, Weichang Wu, Weiran Huang, Xiaolu Zhang, Bo Han, Jun Zhou, Jiangchao Yao}\textbf{cs.LG}, cs.CL.

本文通过test-time scaling的视角, 研究了on-policy distillation (OPD)对LLM推理能力的影响, 发现OPD主要提升采样效率而非扩展推理能力边界, 并揭示了其“illusory distillation”的特性.


\arxivwithtarget{2608.11831}{Kernel Methods for Learning Operators with Multiple Inputs and Outputs}{Adrien Weihs, Chunyang Liao, Jingmin Sun, Hayden Schaeffer}\textbf{cs.LG}, math.ST, stat.ML.

本文提出了一种通用的基于kernel的encoder-decoder框架用于多输入多输出算子学习, 并引入KernelMO方法族, 在多个参数化PDE族上取得了有竞争力的预测精度, 同时降低了训练和推理成本.


\arxivwithtarget{2608.11839}{Air Quality Station Simulation via LSTM and Attention-Based Modelling}{Alexander Kostadinov, Petar O. Hristov, Dessislava Petrova-Antonova}\textbf{cs.LG}.

本文提出了一种基于LSTM和attention机制的深度学习模型SATADL, 用于模拟城市空气质量监测站点的PM10浓度数据, 以应对设备故障导致的数据缺失问题. 模型在多个国际站点数据上进行了长达48小时的模拟测试, 并优于多种baseline模型, 但方法本身属于现有技术的组合应用, 缺乏开创性.


\arxivwithtarget{2608.11859}{Small-Scale Experiments: Are We There Yet?}{Nicholas Lourie, Kyunghyun Cho, Karen Ullrich, Sanae Lotfi}\textbf{cs.LG}.

本文探讨了scaling laws在小规模实验中的可靠性问题, 指出超参数敏感性是导致小模型预测失效的关键因素, 并提出了新的方法论以从中小规模实验恢复大规模结论. 研究涉及模型规模与超参数调优的相互作用, 但未直接涉及关键词中的核心主题.


\arxivwithtarget{2608.11868}{Forward and Inverse Virtual Metrology for Phototransistor Gain: A Hierarchical, Uncertainty-Aware Approach for Small Production Datasets}{Mahshid Amirabgir, Lorenza Ferrario, Paolo Conci, Mahdieh Amirabgir, Giancarlo Orengo}\textbf{cs.LG}, cs.CE, eess.SY.

本文针对硅双极光电晶体管增益预测问题, 提出了一种面向小样本分层生产数据的虚拟量测方法, 包括前向增益预测、逆向工艺参数搜索及多层级数据质量评估, 并基于真实制造历史验证了其有效性.


\arxivwithtarget{2608.11873}{DCM Bandits: Multiplayer Information Asymmetric Cascading Bandits for Multiple Clicks}{Andy Wang, Charlton Shih, William Chang}\textbf{cs.LG}.

本文研究了多智能体信息不对称场景下的DCM Bandits问题, 扩展了Dependent Click Model到多玩家共享排名列表且每会话多次点击的设置, 并针对动作和奖励不对称性提出了亚线性遗憾保证算法. 实验验证了算法在不对称环境中的有效性, 并强调了反馈结构对协调探索的重要性.


\arxivwithtarget{2608.11909}{Disentangling the Expressivity of RoPE}{Selim Jerad, Anej Svete, Jiaoda Li, Ryan Cotterell}\textbf{cs.LG}, cs.FL.

本文形式化分析了旋转位置编码(RoPE) 在有限精度soft-attention transformer中的表达能力, 区分了周期性旋转与常规非周期旋转的差异, 并通过实验验证了周期性调度在模语言上的长度泛化优势. 该工作为RoPE的理论表达性提供了更贴近实际模型的刻画, 但未直接涉及关键词中的核心主题.


\arxivwithtarget{2608.11917}{A Factor Graph Approach to Scalable Multi-Output Gaussian Process Regression}{Wouter W. L. Nuijten, Esther G. van Pelt, Albert Podusenko, İsmail Şenöz, Wouter M. Kouw}\textbf{cs.LG}.

本文提出了一种基于Forney-style factor graph的多输出Gaussian process regression方法, 通过nearest-neighbor chain将候选输入排序, 利用线性Gaussian transition factors和linear model of coregionalization实现高效推理, 计算复杂度为$\mathcal{O}(C(DL^2 + L^3))$. 实验表明该方法在低维输入下接近精确kernel-matrix方法, 并在时间序列预测中保持竞争力, 但方法本身并非开创性突破, 与关键词关联较弱.


\arxivwithtarget{2608.11937}{Distillation of Foundation Models for Time-dependent PDEs}{Daniel Musekamp, Boshra Ariguib, Andrei Manolache, Mathias Niepert}\textbf{cs.LG}.

本文提出TREX框架, 通过教师模型滚动生成合成轨迹来蒸馏预训练基础模型到紧凑学生模型, 在保持精度的同时大幅减少参数和推理时间. 该方法适用于时间依赖PDE的低数据场景, 但未涉及关键词中的核心概念.


\arxivwithtarget{2608.11951}{TailBooster: A Dual-Layer Generative Framework for Extreme Value Augmentation with Operational Validity Enforcement}{Karim Aly, Alexei Sharpanskykh, Jacco Hoekstra}\textbf{cs.LG}, cs.AI.

本文提出TailBooster, 一种双层生成框架, 结合生成模型与两层异常检测, 用于增强航空运输中的极端事件数据, 并确保生成记录的操作可行性. 实验表明该方法在极端事件预测上优于传统合成数据方法, 但方法本身为工程性组合, 缺乏理论开创性, 且与关键词关联较弱.


\arxivwithtarget{2608.11967}{LoongReflect: Boosting Long-Horizon Reflection in Search Agents via Global Perspective Distillation}{Zhixin Zhang, Xinke Jiang, Zhibang Yang, Weixuan Xu, Guohong Qiu, Xu Chu, Junfeng Zhao, Yasha Wang}\textbf{cs.LG}, cs.AI.

本文提出LoongReflect训练框架, 将搜索agent中的反思形式化为基于可逆轨迹树的memory-control policy, 结合全局教师蒸馏与GRPO优化以解决局部反思与全局结果不匹配的问题. 实验显示其在多跳检索增强生成和数学推理任务上优于基线, 但方法主要为工程性改进, 与关键词契合度有限.


\arxivwithtarget{2608.11970}{TESLA: Taylor Expansion of Sinusoidal Learnable Activations}{Daehwa Ko, Jaehyeon Kim, Seunghyun Ham, Jay Hoon Jung}\textbf{cs.LG}.

本文提出TESLA激活函数, 通过可学习的正弦与余弦项组合实现对多项式阶数的显式控制, 并选择性放大高阶分量. 理论上, 作者证明约束TESLA系数可得到Lipschitz/Rademacher复杂度界, 并塑造训练动态以强调高频结构. 实验上, 在输入长度n=32的parity问题上, TESLA仅用100K训练样本(约占$2^{32}$输入空间的0.002%) 即实现强泛化, 且在30%标签噪声下保持高精度, 同时与SIREN、SNAKE和Fourier feature embeddings等基线在parity和Forrelation任务上对比, 并在ImageNet-100上取得可比性能, 表明激活级阶数控制可迁移至通用视觉任务. 该方法为处理线性不可分和全局交互问题提供了新的激活设计思路, 与关键词中的spectral和context有一定契合.


\arxivwithtarget{2608.12001}{Remote Sensing and Machine Learning-Based Analysis of Land Use and Vegetation Change in Dhaka District, Bangladesh}{Muhammad Masud Tarek, Md. Alamgir Hossain, Md. Samiul Islam, Muntasir Hasan Kanchan}\textbf{cs.LG}, cs.AI, cs.CV.

本文利用Sentinel-2和Landsat 8遥感影像及机器学习分类器(Decision Tree、KNN、Random Forest) 分析了2019至2024年达卡地区的土地利用与植被变化, 发现城市建成区显著扩张而植被和水体减少. 研究展示了遥感与机器学习在城市环境监测中的应用潜力.


\arxivwithtarget{2608.12007}{Dual-Model Sentiment Analysis of Consumer Reviews in the Retail Coffee Sector Using Machine Learning and Deep Learning Approaches}{Muntasir Hasan Kanchan, Md. Alamgir Hossain, Md. Samiul Islam, Muhammad Masud Tarek}\textbf{cs.LG}, cs.AI, cs.CV.

本文对Starbucks消费者评论进行了情感分析, 比较了五种机器学习模型和五种深度学习模型的性能, 发现SVM和Bidirectional LSTM分别表现最佳, 并指出类别不平衡对模型的影响. 研究为零售咖啡行业的消费者体验分析提供了模型选择参考.


\arxivwithtarget{2608.12010}{Reducing Symmetry Increase in Equivariant Neural Networks}{Ning Lin, Jiacheng Cen, Anyi Li, Wenbing Huang, Hao Sun}\textbf{cs.LG}.

本文研究了等变神经网络(ENN) 在处理对称输入时出现的对称性增加现象, 证明了该增加存在由特征空间结构决定的下确界, 并提出了可计算算法与特征设计准则以抑制有害的对称性增加, 最后通过合成数据与QM9数据集实验验证了理论结果.


\arxivwithtarget{2608.12026}{SoftWater: Class-Aware Rate Allocation for Softmax Quantization}{Joao V. Cavalcanti, Ashia C. Wilson}\textbf{cs.LG}.

本文提出SoftWater方法, 将softmax层量化建模为KL散度下的率失真问题, 利用类感知几何和可分离近似实现高效量化, 在多个LLM上显著降低头部存储开销并保持性能. 该方法与关键词列表中的概念关联较弱.


\arxivwithtarget{2608.12027}{Uncertainty-Aware Probabilistic Constrained Clustering from Entangled Pairwise Supervision}{Shaojie Zhang, Ke Chen}\textbf{cs.LG}, cs.AI.

本文提出了一种不确定性感知的概率约束聚类方法, 通过估计和校正软标签来处理纠缠的成对监督, 并构建了ECI-PP框架以提升聚类性能. 该方法在多种基准上优于现有深度约束聚类方法, 但与我提供的关键词关联较弱.


\arxivwithtarget{2608.12037}{Clustered Randomized Smoothing for Stochastic Prediction Functions}{Eduardo Figueiredo, Frederik Mathiesen, Julian Schumann, Jens Kober, Arkady Zgonnikov, Luca Laurenti}\textbf{cs.LG}, eess.SY.

本文提出clustered $\alpha$-smoothing框架, 通过聚类噪声样本并局部应用$\alpha$-smoothing来改进随机平滑在随机多模态回归中的鲁棒性, 并在轨迹预测和四旋翼控制任务上验证了性能提升.


\arxivwithtarget{2608.12057}{Towards Truly Unsupervised Evaluation of Feature Selection}{Hafiz Saud Arshad, Muhammad Rajabinasab, Arthur Zimek}\textbf{cs.LG}.

本文批判了现有无监督特征选择评估方法的设计缺陷, 指出其本质上是监督评估, 并提出一种基于无监督Principal Component Analysis和optimal transport的新框架, 以在无标签信息下衡量特征选择算法的质量.


\arxivwithtarget{2608.12083}{Faithful, Sufficient and Understandable: Rethinking Graph Counterfactual Explanations via Discrete Diffusion Inversion}{David Bechtoldt, Sidney Bender}\textbf{cs.LG}, cs.AI.

本文提出了一种基于离散扩散模型反演的图反事实解释方法GDCE-I, 通过新颖的离散反演方案在保持数据流形的同时覆盖完整编辑空间, 并构建了统一的解释评估框架. 实验表明该方法在多个基准上优于现有工作, 但方法本身与关键词列表关联较弱.


\arxivwithtarget{2608.12084}{NAE: Normalizing AutoEncoder}{Muhammad Abdur Rafae, Niels Landwehr}\textbf{cs.LG}.

本文针对Normalizing flows with approximate inverses(即flow autoencoders) 的训练动态进行了理论分析, 证明了现有方法所采用的损失函数是次优的, 并指出编码器和解码器的代理损失必须与重建损失对齐. 基于此, 作者提出Normalizing Autoencoder (NAE), 通过一种新颖的条件损失使代理损失梯度与重建损失梯度一致, 从而直接改进了现有标准. 实验表明NAE在分子生成、表格数据和图像基准上达到state of the art性能, 强调了损失对齐在flow autoencoders中的重要性, 为生成模型框架提供了新的理论指导.


\arxivwithtarget{2608.12090}{Task- and dataset-specific information in protein language models}{Roman Joeres, Ilya Senatorov, Olga V. Kalinina}\textbf{cs.LG}, q-bio.BM.

本文分析了13种蛋白质语言模型(PLMs) 在15个下游任务中的中间层嵌入信息量, 发现最后一层嵌入并非最优, 且任务类型与数据集特性(如深度突变扫描数据或天然蛋白多样性) 影响信息分布层. 研究还指出PLMs在人工蛋白任务上性能显著下降, 但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等核心概念.


\arxivwithtarget{2608.12100}{Confidence Calibration of Deep Learning Systems}{Coby Penso}\textbf{cs.LG}, cs.AI, stat.ML.

本文研究了深度学习系统在标签噪声、无监督域适应和隐私保护等复杂条件下的置信度校准问题, 提出了基于噪声模型重构、目标域精度估计和本地差分隐私的校准方法, 并扩展至Conformal Prediction框架.


\arxivwithtarget{2608.12108}{Beyond Parameter Space: NTK-Guided Personalized Aggregation for Robust Federated Learning}{Mirko Konstantin, Stefan Zachow, Anirban Mukhopadhyay}\textbf{cs.LG}.

本文提出LIGHTYEAR框架, 利用Neural Tangent Kernel (NTK)在function space中评估客户端更新的预测行为, 通过peer-to-peer拓扑实现个性化聚合, 以应对联邦学习中的non-IID数据异构性. 实验表明其在多个数据集上优于现有方法, 但方法本质是联邦学习中的聚合策略改进, 与关键词列表关联较弱.


\arxivwithtarget{2608.12117}{Attractor Image-Based Deep Learning of Arterial Pulse Waves for Age Classification}{Sara Vardanega, Patrick Segers, Philip Aston, Ernst Rietzschel, Jordi Alastruey, Manasi Nandi}\textbf{cs.LG}.

本文利用Symmetric Projection Attractor Reconstruction (SPAR)方法将动脉脉搏波时间序列转换为图像, 并训练卷积神经网络对健康成年人的年龄进行分类, 在内部和外部测试集上均取得F1分数超过70%的结果. 该研究为基于可穿戴设备的早期心血管风险检测提供了概念验证, 但方法本身并非开创性突破.


\arxivwithtarget{2608.12134}{Adversarial Resilience of Poisson-Process Submodular Maximization over Matroids: From Robust Offline Optimization to Full-Bandit Learning}{Vaneet Aggarwal}\textbf{cs.LG}, cs.AI, cs.CC, math.OC.

本文研究了在一般matroid约束下, 非负submodular maximization问题在受控value oracle下的对抗鲁棒性, 证明了Spiteful Greedy Swap Poisson Process算法在保持近似因子$1/e$和$1-1/e$的同时, 对oracle误差具有鲁棒性, 并由此推导出全bandit学习算法的regret界.


\arxivwithtarget{2608.12194}{HYDRA: Hyperbolic Dynamic Representation Architecture for Kolmogorov-Arnold Networks}{Zhao Su, Yuxin Xia, Haoran Li, Jun Shen, Qi Zhu, Qingguo Zhou, Binbin Yong}\textbf{cs.LG}, cs.AI.

本文提出HYDRA, 一种基于双曲空间的参数高效Kolmogorov-Arnold Network变体, 通过低秩原型块共享函数变换以减少参数冗余, 并在多个基准数据集上验证了其性能与可解释性.


\arxivwithtarget{2608.12219}{ScreenShot: A Foundation Model for Few-Shot Combination Drug Screening}{Antoine de Mathelin, Christopher Tosh, Wesley Tansey}\textbf{cs.LG}.

本文提出ScreenShot, 一个基于hierarchical transformer的预训练模型, 用于少样本组合药物筛选, 通过in-context learning直接预测新患者的药物组合反应, 无需分子谱分析或微调. 模型在多个数据集上优于基线, 并利用内部表示驱动主动学习策略以降低实验成本.


\arxivwithtarget{2608.12231}{An Efficient Near-Optimal Algorithm for Adversarial $m$-Set Bandits}{Francesco Bacchiocchi, Tommaso Cesari, Roberto Colomboni}\textbf{cs.LG}.

本文提出了一种针对对抗性$m$-set bandits问题的高效近最优算法, 其中每轮学习者从$d$个物品中选择$m$个并仅观察所选物品的聚合损失. 该算法通过仅用$d$个参数表示每个采样分布, 避免了显式枚举大小为$K=\binom{d}{m}$的指数级动作集, 从而在多项式时间内运行. 针对自适应非预期对手, 算法以至少$1-\delta$的概率实现了与最优固定动作相比的遗憾界$R_T = O(\sqrt{dT\log(K/\delta)})$, 匹配了Zimmert和Lattimore的EXP3-KW算法的高概率遗憾界, 同时解决了Maiti等人提出的开放问题. 该工作为组合bandits领域提供了计算效率与统计最优性兼顾的突破性方法.


\arxivwithtarget{2608.12259}{Calibration Bets on the Past: Post-Training Quantization for Financial Time-Series Forecasting}{Junyi Ye, Ivy Gateri Wanjiku}\textbf{cs.LG}, q-fin.ST.

本文系统研究了金融时间序列预测中后训练量化(PTQ) 的激活校准问题, 基于S&P 500横截面波动率预测评估了七种神经网络架构和560个训练模型. 研究发现激活校准在8位量化下影响甚微, 但在4位量化下成为预测性能的主要决定因素, 且最优激活范围随市场周期变化. 该工作为金融部署中的量化选择提供了实证指导, 但方法本身缺乏开创性, 与关键词关联较弱.


\arxivwithtarget{2608.12271}{Earth observation embeddings are effective sub-grid descriptors for probabilistic weather downscaling}{Pedro Sousa, Will Tebbutt, Sadiq Jaffer, Robin Young, Anil Madhavapeddy, Richard E. Turner}\textbf{cs.LG}, physics.ao-ph.

本文利用TESSERA地球观测嵌入作为局部地表描述符, 增强卷积条件神经过程以实现概率天气降尺度, 在多个气候区域提升了2米温度和10米风速的预测技能. 研究表明长期地表嵌入可辅助短期降尺度, 但方法主要依赖现有模型组合, 创新性有限.


\arxivwithtarget{2608.12302}{A Framework for Designing Reward Functions: From Objectives to Features to Human-Aligned Reward Functions}{Di Yang Shi, W. Bradley Knox}\textbf{cs.LG}.

本文提出了一种面向非专家的奖励函数设计框架, 通过三步流程(目标分解、因果变量选择、权重拟合) 生成符合偏好排序的线性奖励函数, 并将变量选择问题转化为最小成本部分覆盖问题, 权重拟合视为凸可行性问题. 该方法在奖励设计领域提供了一种系统化流程, 但与关键词列表中的主题关联较弱.


\arxivwithtarget{2608.12306}{Redistribution-based Cost Inference Improves Sparse Safe Offline RL}{Ebenezer Gelo, Geraud Nangue Tasse, Steven James, Benjamin Rosman}\textbf{cs.LG}, cs.AI.

本文提出Redistribution-based Cost Inference (RCI)框架, 将稀疏的轨迹级stop-feedback转化为稠密的每步成本, 用于安全offline RL, 并证明该转化在CMDP中保持可行策略集和最优Lagrangian. 实验显示其违规率低于基线, 但方法主要为工程性改进, 缺乏开创性且与关键词关联较弱.


\arxivwithtarget{2608.12307}{AI4AI at Test-Time: Strong-to-Weak Capability Transfer via Harnesses}{Cheng Qian, Wenting Zhao, Liangwei Yang, Heng Wang, Jielin Qiu, Heng Ji, Silvio Savarese, Huan Wang, Shelby Heinecke}\textbf{cs.LG}, cs.AI, cs.CL.

本文提出了一种测试时(test-time) 的强到弱能力迁移方法, 通过让更强的builder模型构建推理时harness(一种推理时脚手架或辅助框架) 来提升较弱target模型的性能, 而无需更新target模型的参数. 在四个Theory-of-Mind基准上, 该方法将平均性能从0.49提升至0.91, 且增益主要来源于将不稳定的模型推理卸载到确定性代码、基准特定路由和严格答案格式约束, 而非鼓励更长的推理或更广泛的采样. 该工作为能力迁移提供了训练时蒸馏之外的重要补充, 与关键词中的agent和code高度契合, 具有方法上的开创性.


\section{cs.AI}
\arxivwithtarget{2608.08514}{Reproducing and Stress-Testing Two Approaches to LLM Reasoning Reliability: Test-Time Probability Aggregation and Logic-Representation Editing}{Minhan Cho, Jimin Kweon}\textbf{cs.AI}, cs.CL, cs.LG.

本文独立复现了两种提升大语言模型推理可靠性的方法(RPC和LCF) , 并在多个新任务域和模型上进行了压力测试. 结果表明RPC的优势不显著, LCF的逻辑编辑效果较弱且不稳定, 对原方法的可靠性提出了质疑.


\arxivwithtarget{2608.11207}{Dynamic Governance of Multi-LLM Agent Systems for Collaborative Conversational Outcomes}{Alexander Liss, Nicholas Desmond, Santiago Gil Gallego}\textbf{cs.AI}.

本文提出了一种用于多LLM智能体对话系统的控制层框架(Experience Orchestrator) , 通过Contextual Bandit、PID控制器和POMDP信念追踪器来协调具有对立目标的智能体交互, 在模拟金融环境中提升了高意图转化率. 该工作主要关注agent交互的工程化治理, 与关键词中的spectral、Muon等理论方法关联较弱.


\arxivwithtarget{2608.11210}{Distribird: Literature-Informed Prior Distribution Design for Bayesian Model Calibration}{Patrik P. Süli, György Eigner, Roland Hollós}\textbf{cs.AI}, cs.MA, cs.SE.

本文介绍了一个名为Distribird的agentic web application, 用于自动化贝叶斯模型校准中的先验分布设计, 通过多agent pipeline从文献中提取参数值并拟合概率分布. 该工具在24个参数上的评估显示其先验质量与单提示LLM基线相当, 但更注重可追溯性和本地运行, 与关键词关联较弱.


\arxivwithtarget{2608.11211}{A Forced-Structure Reduction and Verifiable Bounds for Conway's 99-Graph}{Aalok Thakkar}\textbf{cs.AI}, cs.SC, math.CO.

本文通过自主AI研究代理系统, 对Conway's 99-graph问题(即是否存在参数为$\mathrm{srg}(99,14,1,2)$的强正则图) 进行了系统性攻击, 给出了可验证的边界结果. 作者证明了循环图在$\mathbb{Z}/99$上最多满足$68.0\%$的约束, 并提出了forced-structure reduction方法将问题转化为12-正则图的存在性, 同时验证了若干自动机框架. 该工作主要贡献在于计算验证与边界探索, 但未解决该长期开放问题, 且方法本身缺乏开创性.


\arxivwithtarget{2608.11212}{Detecting a Route Flip Is Easier Than Knowing Whether to Fix It: Causal Route-Mediated Damage in Quantized Mixture-of-Experts}{Parvel Gu}\textbf{cs.AI}, cs.CL, cs.LG.

本文研究了Top-k Mixture-of-Experts (MoE)路由不连续性导致的量化损伤问题, 通过因果装置量化了路由介导的损伤分数(RMF) , 并发现可部署的路由器边际能检测路由翻转但无法预测其损失符号. 实验在多个架构上验证了该检测-修复能力的不对称性, 但未提出新的缓解方法.


\arxivwithtarget{2608.11215}{Poor Man's Agentic Modeling: Simulating Large LLM-Agent Societies on a Laptop}{Igor Itkin}\textbf{cs.AI}, cond-mat.stat-mech, cs.CL, cs.LG, cs.MA, physics.soc-ph.

本文提出了一种在笔记本电脑上模拟大规模LLM智能体社会的低成本方法, 通过用低参数模型替代每个LLM智能体, 并引入交互顺序与记忆的分类法来预测替代误差趋势, 在多个模拟中验证了其有效性.


\arxivwithtarget{2608.11216}{AutoWorldModel-Bench: A State-Centric Benchmark for Automated World-Model Research}{Marjan Moodi, Xuankang Zhu, Fernando De Mesentier Silva, Harold Chaput, Mohammad Reza Taesiri}\textbf{cs.AI}.

本文提出了AutoWorldModel-Bench, 一个用于评估AI coding agents在world-model研究中进行自主改进的闭环benchmark, 涵盖八个游戏环境并采用统一的结构化状态表示. 实验表明前沿agents能在多数会话中实现非平凡的研究式改进, 但该工作主要聚焦于benchmark设计和agent评估, 与关键词中的spectral、Muon、pretrain等核心主题关联较弱.


\arxivwithtarget{2608.11218}{MaSRead: Content-Addressed Reading of Replicated Latent Stores}{Carlos Baquero, Luís Brito, João Resende}\textbf{cs.AI}, cs.LG, cs.MA.

本文提出MaSRead方法, 通过内容寻址机制在复制的潜在存储(latent store) 中读取缓存片段, 利用图遍历和硬注意力掩码实现多跳查询的片段恢复, 但方法依赖词汇连通性且受限于冻结的reader模型.


\arxivwithtarget{2608.11219}{From Monolithic to Modular: Segment-level Automatic Prompt Optimization}{Nikita Kulin, Viktor Zhuravlev, Artur Khairullin, Sergey Muravyov, Ilya Makarov, Daniil Sukhorukov, Ekaterina Averkova}\textbf{cs.AI}, cs.CL, cs.LG.

本文提出SAPO, 一种将prompt分解为role、context、tasks和output format的segment-level自动优化方法, 通过top-5和bottom-5示例进行针对性改进. 实验在多个数据集上对比多种APO基线, SAPO取得平均最优性能, 但方法本质为工程性改进, 缺乏理论或方法论上的开创性.


\arxivwithtarget{2608.11220}{LLMs in Process Diagram Engineering: From Optimal PFDs to Validated P&IDs}{Timur Zakarin, Sergei Voitov, Sergei Shumilin, Evgeny Burnaev}\textbf{cs.AI}, cs.MA.

本文提出P&ID Pilot, 一个结合遗传算法与大语言模型的端到端AI流程, 用于自动生成和转换工艺流程图(PFD) 为管道仪表图(P&ID) , 并验证了混合方法在拓扑优化中的有效性. 该工作主要面向工程自动化应用, 与关键词中的agent有一定关联, 但方法创新性有限.


\arxivwithtarget{2608.11221}{A Conceptual Framework for Refining Influence Knowledge from Simulation Evidence in Cyber-Physical Systems}{Barbara da Silva Oliveira, Julien Deantoni, Nicolas Ferry}\textbf{cs.AI}.

本文提出一个概念框架, 利用Influences概念支持CPS仿真活动的迭代细化, 以理解环境介导的交互行为, 并通过移动机器人Simulink/Gazebo协同仿真案例展示其应用.


\arxivwithtarget{2608.11224}{Harnessing agent memory to build lifelong AI partners for materials scientists}{Siyu Liu, Bo Hu, Beilin Ye, He Cao, David J. Srolovitz, Tongqi Wen}\textbf{cs.AI}, cond-mat.mtrl-sci, cs.CE, cs.CL, cs.MA.

本文提出了一种基于持久记忆的自进化框架, 将材料科学中的科学经验存储为可检查的事实和可执行的技能, 使观察、失败边界、协议和验证检查能够跨模型检索、修订和迁移. 该框架在49个真实材料工具使用问题(含138个可执行子任务) 中, 使GPT-5.2的任务成功率近乎翻倍且无需更新模型参数; 在元素固体状态方程计算中, 将波函数初始化失败转化为执行前防护栏, 将Correct/Partial/Error结果从22/1/4改善至25/2/0, 并避免了92%的重复错误. 在13个实际材料模拟工作流中, 记忆技能和失败事实将累计token负担减半, 工具调用次数在第三轮减少超过两倍, 同时保持带隙、声子、空位和功函数分析的物理意义. 该工作与关键词中的agent高度契合, 展示了agent memory作为持久科学资产的价值, 为材料科学中的终身AI伙伴提供了开创性设计思路.


\arxivwithtarget{2608.11225}{Identity from the Outside: A Conceptual Framework and Research Program for AI Personality Clones}{Luc E. Brunet}\textbf{cs.AI}.

本文提出一个关于AI人格克隆的概念框架, 从外部观察者的角度通过不可区分性来定义身份, 并区分了保真度、类人性和个体性三个标准. 文章还引入了一个六项因子分解和状态空间表述, 并讨论了克隆的版本性对长期不可区分性的影响, 但整体属于理论性探讨, 与关键词关联较弱.


\arxivwithtarget{2608.11226}{Cutting AI Datacenter Energy with Reinforcement Learning: Measured Power Control of LLM Training from One GPU to the Fleet}{Eliseo Curcio}\textbf{cs.AI}, eess.SY.

本文通过强化学习(PPO meta-controller) 控制LLM训练(GRPO) 的GPU功耗, 在7B至72B规模上测量并优化了功耗限制违规与能效, 但方法主要针对特定硬件与工作负载, 缺乏广泛开创性, 且与关键词(如code, spectral, Muon等) 关联较弱.


\arxivwithtarget{2608.11227}{Forecasting Side Effects of Activation Steering}{Chong Yong Ong, Alson Wei Jie Sim, Peixin Zhang, Jun Sun}\textbf{cs.AI}, cs.LG.

本文通过构建跨效应矩阵, 研究了激活导向(activation steering) 在语言模型中的副作用预测问题, 发现副作用普遍存在且具有结构性和不对称性, 并证明其方向和大小可在导向前从模型表示中预测. 该工作为安全审计提供了工具, 但与关键词列表关联较弱.


\arxivwithtarget{2608.11229}{Synchronizing Beliefs with Second-Order Theory-of-Mind in Human-Autonomy Teams (Extended Version)}{Jack Mirenzi, Henny Admoni}\textbf{cs.AI}, cs.RO.

本文探讨了在人机协作团队中通过二阶心理理论同步信念的问题, 将偏好学习重新建模为教师与学习者之间的耦合行为模型, 并在模拟中验证了知情教师和结构化反馈的优势. 该研究与关键词列表中的概念关联较弱.


\arxivwithtarget{2608.11230}{The Edge-based Contiguous p-median Problem with Connections to Logistics Districting}{Zeyad Kassem, Adolfo R. Escobedo}\textbf{cs.AI}, cs.DM.

本文提出edge-based contiguous p-median (ECpM)问题, 用于将网络中的道路划分为给定数量的紧凑且连续的territories, 并构建了两种binary programming模型(基于cut set约束和基于shortest-path约束) 及其求解算法. 实验表明基于shortest-path contiguity (SPC)约束的模型在计算速度上显著优于cut set-based branch-and-cut方法, 并探讨了与edge-based districting问题的联系.


\arxivwithtarget{2608.11231}{LinearKV: One Cached State Suffices for Position-Independent Caching in Hybrid LLMs}{Yirui Liu, Ruoling Qi, Longwen Wang, Xuaner Wu, Jian Chen, Yuxin Jin, Jiawei Shao, Xuelong Li}\textbf{cs.AI}.

本文提出LinearKV, 一种针对混合LLM(hybrid LLM) 的无训练位置无关缓存(PIC) 框架, 通过解耦初始化使线性层仅需单个缓存状态即可恢复大部分质量, 并证明精确组合所有缓存状态(如HYPIC) 在部分架构上不必要甚至有害. 实验表明该方法在多个混合模型上性能与全量预填充接近, 且降低首令牌延迟.


\arxivwithtarget{2608.11234}{InfraBench: Evaluating Infrastructure Agents Across Layers, Lifecycle, and Risk}{Yuan Gao, Zeren Yang, Junnan Li, Shawn, Zhong, Ahmed Dajani, Mai Zheng, Andrea Arpaci-Dusseau, Remzi Arpaci-Dusseau}\textbf{cs.AI}, cs.OS.

本文提出了InfraBench, 一个用于评估AI agents在真实基础设施管理任务中表现的基准套件, 覆盖系统栈和运维生命周期, 并引入细粒度风险评估. 实验表明现有agents在任务中表现有限, 常满足短期目标但留下非持久变更和安全隐患.


\arxivwithtarget{2608.11235}{CORA-Diff: Confidence-Oriented Residual Acceptance for Efficient Diffusion Language Model Inference}{Yifan Wu, Yufeng Zhang, Kenli Li}\textbf{cs.AI}.

本文提出CORA-Diff, 一种无需训练的扩散语言模型推理加速方法, 通过置信度和持久性门控识别早期稳定的token位置, 减少冗余去噪计算. 实验表明其在多个任务上实现2.7x-3.3x加速, 但方法本质为工程优化, 缺乏理论或方法上的开创性, 且与关键词列表关联较弱.


\arxivwithtarget{2608.11237}{Geometry-aware Incremental Neural Operator for Long-Horizon PDE prediction}{Jiaquan Zhang, Shuxu Chen, Haifan Meng, Yi Lu, Zhihan Lyu, Fan Mo, Wei Dong, Yang Yang, Chaoning Zhang}\textbf{cs.AI}.

本文提出一种几何感知增量神经算子(GeoIncNO) , 通过预测潜在增量并利用低秩投影器调节活跃频带内的通道耦合, 以及均值-波动解耦重建机制, 提升长时程PDE预测的稳定性和谱保真度. 实验在多个1D至3D基准上验证了其有效性.


\arxivwithtarget{2608.11238}{Towards Query-Agnostic RAG Evaluation via Query Coverage and Claim Verifiability}{Jeonghwan Choi, Taewon Yun, Minjeong Ban, Gyeonghun Sun, Jae-Gil Lee, Hwanjun Song}\textbf{cs.AI}.

本文提出Q-CARE框架, 通过将查询分解为子查询、答案分解为原子声明, 实现无需参考的RAG评估, 并引入查询覆盖与声明可验证性原则. 实验表明其与人类判断的相关性优于现有评估指标, 但方法主要为工程性整合, 缺乏理论或方法论上的开创性突破.


\arxivwithtarget{2608.11240}{VQ-bench: A Composable Vector Quantization Framework}{Ashwin Padaki, Amir Ingber, Edo Liberty}\textbf{cs.AI}, cs.DB.

本文提出了一个统一的向量量化(vector quantization) 框架VQ-bench, 将常见的量化算法分解为7种概念性原语并支持任意组合, 重新表达了25种常见量化器, 并开源了可复现的基准测试工具. 该工作主要面向AI基础设施中的工程实践, 与关键词列表中的核心理论概念关联较弱.


\arxivwithtarget{2608.11241}{RecSys Factory: Bounding LLM Agent Autonomy to Decision Points in the Industrial Recommender Lifecycle}{Dongyang Ao, Kaixiang Fang, Shijie Xu}\textbf{cs.AI}, cs.IR.

本文介绍了RecSys Factory, 一个部署于腾讯推荐业务线的LLM agent平台, 通过将agent自主性限制在决策点而非整个流水线, 以平衡自主性、确定性和效率的三难问题. 平台在78天内记录了1624次CLI工具调度, 成功率为78.6%, 但未提供与受控基线的对比, 仅作为案例观察报告.


\arxivwithtarget{2608.11243}{The Off-Support Barrier: Why Semantic Safety Constraints Are Not Learning-Problem Invariants, and What Follows for Prior Design, Containment, and Verification}{Yoshinori Watanabe}\textbf{cs.AI}, cs.LG.

本文从singular learning theory (SLT)的视角论证了语义安全约束(如智能体不逃出沙箱) 在形式上是off-support对象, 即不关于数据分布与模型的\(\sigma\)-代数可测, 由此推导出奖励黑客、贝叶斯先验设计失效等现象, 并讨论了形式化验证的局部可证性. 文章以2026年某评估事件为案例, 但整体为概念性论证, 与关键词关联较弱.


\arxivwithtarget{2608.11244}{BEST-KAG: Enhancing Question Answering of Building Engineering Standards with Multimodal Knowledge Graph Modeling and Large Language Model}{Jia-Rui Lin, Junxi Guo, Keyin Chen, Peng Pan}\textbf{cs.AI}, cs.CL.

本文构建了面向建筑工程标准问答的多模态知识图谱框架BEST-KAG, 通过规则与大语言模型混合的知识抽取流程和基于图谱检索的增强生成架构, 提升了多子句推理与可追溯证据链接能力. 实验表明其在BLEU和ROUGE等指标上优于主流大语言模型.


\arxivwithtarget{2608.11245}{Towards Sustainable Learning in Online Education: A Reinforcement Learning Approach}{Chaofan Zhai, Yicheng Song, Ravi Bapna, Junyao Ye}\textbf{cs.AI}, cs.CY, cs.LG.

本文提出了一种基于强化学习的AI Tutor模型, 用于优化在线教育的短期和长期学习效果, 并在大规模真实数据上验证了其优于现有基线方法. 该工作主要关注教育场景中的学习路径优化, 与关键词列表中的核心主题关联较弱.


\arxivwithtarget{2608.11246}{Towards the Harness of Embodied Agents}{Qi Wang, Tianyi Wang, Chengyang Li, Shikun Ban, Yurun Chen, Yizhong Ge, Jason Qin, Chengtai Li, Wentao Zhu}\textbf{cs.AI}, cs.LG, cs.RO.

本文提出Thea, 一种为具身智能体(embodied agents) 设计的harness框架, 将agentic loop与机器人能力封装为可调用工具, 并针对物理世界缺失软件环境中的状态读取与动作评估能力, 引入Scene Graph as Context(持久符号化世界表示) 与Evaluation as Exit Codes(动作终止、成功判定与失败诊断机制) , 从而闭环连接智能体与物理世界, 使长时程任务在真实环境中得以完成. 该方法与关键词中的agent高度契合, 为具身智能体系统设计提供了新的基础设施范式.


\arxivwithtarget{2608.11247}{Conformity Mitigations in Large Language Models Lie on a Single Resistance-Receptivity Frontier}{Zafar Hussain, Kristoffer Nielbo}\textbf{cs.AI}, cs.MA.

本文研究了多模型协作场景中, 错误多数意见对模型正确回答的颠覆效应, 并提出了Resistance与Receptivity两个维度来评估现有缓解策略. 实验发现多数方法在这两个维度上存在权衡, 仅推理方法在特定数据集上能同时提升两者.


\arxivwithtarget{2608.11248}{EvoGraph-Mem: Failure-Aware Editable Graph Memory for Long-Term Language Agents}{Yuxi Qian, Yuxiang Ren}\textbf{cs.AI}, cs.MA.

本文提出EvoGraph-Mem, 一种基于可编辑insight graph的failure-aware memory maintenance框架, 用于解决长期语言agent中记忆质量随时间退化导致的memory pollution问题. 该框架通过为每个insight节点追踪positive evidence、negative evidence和activation state来区分可复用与冲突或无效的记忆, 并引入utility-aware retrieval mechanism和graph controller, 在任务执行后对记忆图进行保留、归档、修订和新增操作. 实验表明该方法在多种backbone模型上优于现有memory-based agent基线, 并证明append-only memory在long-horizon任务中不足, 而evidence-aware retrieval和graph-level editing能提升记忆可靠性与下游性能. 该工作与关键词中的agent和context高度契合, 为长期agent记忆维护提供了开创性的图编辑机制.


\arxivwithtarget{2608.11250}{AgonAlpha: Autonomous Alpha Discovery via Prompt Economy and Scalable Agentic Search}{Weicheng Ye, Youran Sun, Xingyu Ren, Shunyao Yu, Chugang Yi, Haizhao Yang}\textbf{cs.AI}, cs.MA, q-fin.CP, q-fin.PM.

AgonAlpha提出了一种自主alpha挖掘架构, 将搜索空间从单一公式扩展至冻结的研究工件(包括假设、可执行表达式、平台证据、理由和审查状态) , 并首次结合了带重新执行与否决权的对抗性审查器、pending-aware并行预算分配以及完整的证据追踪. 该系统在WorldQuant BRAIN上独立部署于五个用户和六个模型后端, 取得了Fitness 9.50和Sharpe 3.48的显著结果, 同时保留了每个提交的prompt-to-expression来源. 该方法在agentic search和自动化研究验证方面具有开创性, 与关键词中的agent和context高度契合.


\arxivwithtarget{2608.11252}{Local verification cannot detect non-transportability: a cohomological theory of context preservation in agentic reasoning}{Suyash Mishra}\textbf{cs.AI}, cs.ET, cs.GT, cs.MA.

本文提出了一种基于Cech上同调和Hodge分解的理论框架, 用于分析agentic AI系统中局部验证无法检测跨上下文结论非可转移性的问题, 并引入Ksetra程序进行估计与检验. 该工作与关键词中的agent和context有一定关联, 但方法偏理论且非开创性突破.


\arxivwithtarget{2608.11255}{Symbolic Machine Learning for Vapor-Liquid Equilibrium Prediction in Cx-N2 Binary Mixtures}{Bongseok Kim, Suman Chakraborty, Gary Huang, Mehek Mathur, Guang Lin, Li Qiao}\textbf{cs.AI}, cs.LG, physics.comp-ph.

本文提出一种符号机器学习方法, 为Peng-Robinson状态方程在烃-氮二元混合物气液平衡预测中引入可解释的符号修正, 通过两阶段策略提升预测精度, 但方法创新性有限且与关键词关联较弱.


\arxivwithtarget{2608.11258}{Adaptive Hybrid Particle Swarm Optimization with Gradient Descent}{Aryan Gurudeo}\textbf{cs.AI}, cs.NE.

本文提出了一种自适应混合粒子群优化算法(AHPSO) , 通过sigmoid函数根据群体多样性自动调节梯度影响, 在探索阶段减弱梯度、在开发阶段增强梯度, 无需手动切换阶段. 实验表明该方法在特定平滑局部盆地问题上优于标准PSO, 但整体优势有限, 未声称具有普遍优越性.


\arxivwithtarget{2608.11260}{Glance, Scrutinize, and Think: Advancing Video Anomaly Detection from Training-Free to Agentic Reasoning}{Shibo Gao, Peipei Yang, Xu-Yao Zhang, Linlin Huang}\textbf{cs.AI}, cs.CV.

本文提出了一种从训练-free到agentic推理的视频异常检测(VAD)新范式, 针对现有方法中“何时发生”与“发生了什么”的割裂问题, 受人类全局浏览-局部审视-迭代修正的认知过程启发, 构建了Glance then Scrutinize (GtS)训练-free框架, 并进一步提出工具增强的agentic VAD方法, 其中多模态大语言模型通过冷启动监督微调和强化学习学习调用视频裁剪工具、密集重采样帧检查及自我纠正定位假设. 该方法在扩展的VAGU-T基准(含7,567个真实视频和21类异常) 上显著超越训练-free基线, 并引入联合评估指标JeAUG同时衡量语义可解释性和时间精度, 为VAD领域提供了从静态推理到动态agentic推理的统一范式, 与关键词“agent”高度契合.


\arxivwithtarget{2608.11323}{Deployment Decision Reliability: A Generalizability-Theory Framework for Sizing Long-Horizon Agent Evaluations}{Vasundra Srinivasan}\textbf{cs.AI}, cs.LG.

本文提出Deployment Decision Reliability (DDR)框架, 运用四facet Generalizability Theory方差分解(结合Henderson Method-I、REML和Bayesian binomial GLMM三种估计器) 分析三个开放agent-trace基准, 发现agent主效应占总方差不足3%, 而agent-by-task交互占7-23%, 证明leaderboard排名反映的是任务特化而非通用能力. 该工作揭示了aggregate reliability在困难任务上崩溃($E\rho^2$从0.752降至0.000) 及训练-留出可靠性负相关($r=-0.90$) 等反直觉现象, 为长时程agent评估的可靠性度量提供了开创性方法论框架, 与关键词中agent和context高度契合.


\arxivwithtarget{2608.11341}{Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence}{Brian Wang, Bin Feng, Xiaoman Pan, Chenyang An, Felix Liu, Tangqi Fang, Gongbo Sun, Lingfeng Shen, Ning Wang, Handuo Zhang, Feng Chen, Fuchao Yang, Xiang Wang, Jiacheng Lin, Siting Li, Zixuan Liu, Chi Han, Zhenhailong Wang, Kunlun Zhu, Lawrence Zhao, Yueqi Guo, Kailong Wen, Feng Xing, Yiling Guo, Lidong Bing, David Tan, Bo An, Heng Ji, Sheng Wang}\textbf{cs.AI}.

本文提出了Apodex Discovery框架, 用于构建和评估可进行长期、可验证调查的发现型AI系统, 包含问题侦察、环境抽象和独立评估组件, 并在AAV衣壳设计和药物重定位任务中展示了性能提升. 该工作主要聚焦于AI评估框架而非特定数学方法, 与关键词关联较弱.


\arxivwithtarget{2608.11343}{Can Frontier LLMs Match Natively Multimodal Embeddings? A Comparison on Hard-Negative Text-to-Image Retrieval}{Archan Dutta, Vyanktesh Kanungo}\textbf{cs.AI}, cs.CV, cs.IR, cs.LG.

本文比较了原生多模态embedding模型Gemini Embedding 2与前沿LLM(如GPT-4.1和Claude Sonnet 4.6) 在Flickr30k硬负样本文本到图像检索任务上的表现, 发现LLM在零样本排序上可与多模态embedding匹敌, 但后者在预计算后更适合低延迟应用.


\arxivwithtarget{2608.11354}{Inverse Theory of Mind Modeling for Content Recommendation: From Web Browsing to Dynamic Intelligent Interfaces}{Mengyu Chen, Feiyu Lu, Chun-Fu Chen, Lucas Vinh Tran, Jay Katukuri}\textbf{cs.AI}.

本文提出了一种基于逆向心智理论(Inverse Theory of Mind) 的推荐系统框架, 通过从用户交互行为反推其信念与偏好, 并利用LLM进行反事实推理以构建用户画像. 实验表明该方法在多项预测任务上表现良好, 但整体属于应用型改进, 与关键词列表中的核心概念关联较弱.


\arxivwithtarget{2608.11381}{From Numbers to Judgment: Specialist LLM Agents and Reinforcement Learning for European Listed Real Estate}{Pardis Taghavi, Santosh Bhavani}\textbf{cs.AI}, cs.LG.

本文研究了金融分析中LLM专业化分工的效果, 通过Larix框架将欧洲上市房地产分析分解为八个专家子任务, 并对比了整体提示与分解提示的性能差异, 同时使用GRPO对Qwen3.5-9B进行后训练以提升判断任务表现. 结果表明分解提示改善数值任务但可能损害判断任务, 而参数微调则能全面提升性能.


\arxivwithtarget{2608.11403}{When Self-Consistency Backfires: Majority Vote Hurts the Majority of Hard Science Problems for Small LLMs}{Utkarsh Bahuguna}\textbf{cs.AI}, cs.CL, cs.LG.

本文研究了小规模指令微调模型在GPQA Diamond基准上使用self-consistency多数投票策略的效果, 发现该策略在多数问题上反而降低了准确率, 且置信度与正确性不相关. 作者通过预注册实验验证了此现象, 并指出无验证器的门控方法无法达到理论上的oracle上限.


\arxivwithtarget{2608.11420}{Social Chain of Thought: A Multi-Agent Architecture Grounded in Medical Differential Diagnosis Methodology}{Del Coburn, Scott Sanner, Dan Silver}\textbf{cs.AI}, cs.CL.

本文提出了一种名为Social Chain of Thought (SCoT)的多智能体架构, 用于医学鉴别诊断, 通过多轮专家对话模拟协作推理过程. 实验表明其在复杂病例上的召回率优于单智能体基线, 但方法本质上是多智能体协作框架, 与关键词中的code、spectral、Muon、pretrain、attention等核心概念关联较弱.


\arxivwithtarget{2608.11434}{Benchmarking LLM Judges for Mobile Agent Evaluation}{Ziqiang Wan, Li Gu, Zhixiang Chi, Zhi Liu, Seyed Mehdi Ayyoubzadeh, Yuanhao Yu, Yang Wang}\textbf{cs.AI}, cs.CL, cs.CV.

本文构建了MobileJudgeBench基准, 系统评估了LLM作为裁判在移动智能体轨迹上的可靠性, 发现简单基线方法即可匹敌复杂方法, 且基准质量指标能预测实际效用. 该工作聚焦于智能体评估方法, 与关键词中agent相关但创新性有限.


\arxivwithtarget{2608.11483}{A Modular Agentic Framework for Synthetically Constrained Multi-Objective Hit-to-Lead Optimization}{Kelvin P. Idanwekhai, Enes Kelestemur, Benjamin Strickland, Matthew Hart, Steini Davidsson, Angelos Angelopoulos, Ron Alterovitz, Marcello DeLuca, Alexander Tropsha}\textbf{cs.AI}, cs.LG, q-bio.QM.

本文提出了SABLE框架, 一个基于LLM的自然语言编排的模块化智能体系统, 用于药物发现中的hit-to-lead多目标优化, 通过反应模板枚举和贝叶斯优化在合成约束下筛选候选分子. 该工作主要面向计算药物设计应用, 与关键词中的agent有一定关联但方法创新性一般.


\arxivwithtarget{2608.11493}{From Prompting to Behavioral Alignment: Personalized LLM Judges for Recommendation Evaluation}{Alireza S. Ziabari, Kat Ellis, Colleen Chan, Ding Tong}\textbf{cs.AI}, cs.LG.

本文研究了LLM在推荐系统评估中的双向合理化问题, 提出通过微调和偏好优化的行为对齐框架来提升预测可靠性, 并在真实数据上验证了效果. 该方法与关键词列表中的概念关联较弱.


\arxivwithtarget{2608.11583}{Localizing Safety Alignment: MLP Layers and Mid-Network Blocks Encode Refusal Behavior in Large Language Models}{Mingyu Zong, Sampad Mohanty, Bhaskar Krishnamachari}\textbf{cs.AI}.

本文通过将对齐模型的权重移植到未对齐基础模型, 研究了大型语言模型中安全对齐拒绝行为的编码位置, 发现MLP层和中网络区块对拒绝行为起主导作用, 且相关参数呈中部集中分布. 研究还揭示了安全相关组件的非加性组合效应, 表明安全对齐具有局部性和交互敏感性.


\arxivwithtarget{2608.11584}{EnterpriseRAG: Benchmarking LLM Instruction Adherence and Robustness under Non-Ideal Enterprise Retrieval}{Huiqi Miao, Xinbao Sun, Bo Wang, Fanyu Meng, Lijun Mei, Na Wu, Di Jin, Chao Deng, Junlan Feng}\textbf{cs.AI}.

本文提出了一个面向企业级RAG场景的基准测试EnterpriseRAG, 模拟检索噪声、知识缺口和事实冲突等非理想条件, 评估了13个LLM的指令遵循能力, 发现高单约束满足率与低整体合规率之间存在显著差距. 该工作主要关注LLM在复杂检索环境下的鲁棒性评估, 与关键词列表中的核心主题关联较弱.


\arxivwithtarget{2608.11588}{CoAdapt-GUI: Joint Workflow Context and Policy Adaptation for Unseen GUI Applications}{Linqiang Guo, Li Gu, Zihuan Jiang, Zhixiang Chi, Siobhan Reid, Ziqiang Wang, Yuanhao Yu, Wei Liu, Yang Wang, Tse-Hsun, Chen}\textbf{cs.AI}.

本文提出CoAdapt-GUI框架, 通过测试时适应(TTA) 联合调整工作流上下文和策略, 以提升移动GUI智能体在未见应用上的泛化能力. 实验表明该方法在AndroidWorld基准上优于仅策略适应的基线, 但方法属于工程性改进, 缺乏理论或方法论上的开创性.


\arxivwithtarget{2608.11604}{Learning from Online User Feedback for Shopping Agents}{Haobo Zhang, Kelong Mao, Sulong Xu, Simiu Gu, Zhicheng Dou}\textbf{cs.AI}.

本文提出LOFA框架, 利用真实在线用户交互日志训练购物agent, 结合强化学习与反馈感知蒸馏来提升推荐质量, 但方法创新性一般且与关键词契合度较低.


\arxivwithtarget{2608.11605}{Foresight Without Seeing: Latent Futures for World Action Models}{Jiakai Huang, Zhongbo Wu, Zheng Zhang, Zihan Wang, Shan You, Tao Huang}\textbf{cs.AI}.

本文提出ForeWAM, 一种无需解码未来视频即可为动作生成提供预测上下文的World Action Model, 通过Future-KV机制复用视觉潜变量的key-value状态, 并引入动力学寄存器提升效率, 在LIBERO基准上取得较好性能.


\arxivwithtarget{2608.11616}{MBA: Multimodal Benchmark and Agents for Real-World Business Ideation}{Hojun Choi, Jaeyo Shin, Suin Lee, Hyunjung Shim}\textbf{cs.AI}, cs.CV, cs.LG.

本文提出了MBA-Bench, 首个用于训练和评估商业创意生成agent的多模态基准, 包含30K样本和六类视觉线索, 并设计了MBA-b与MBA-k两种agent, 通过LoRA微调和策略优化提升创意性与可行性. 该工作聚焦于多模态商业应用, 与关键词中的agent相关, 但方法创新性有限.


\arxivwithtarget{2608.11625}{Making AI-Generated Feedback Matter: From Provision to Student Enactment}{Omar Alsaiari, Nilufar Baghaei, Jason M. Lodge, Dragan Gaševi'c, Naomi Winstone, Hassan Khosravi}\textbf{cs.AI}.

本文通过大规模准实验比较了三种AI反馈工作流对学生反馈采纳的影响, 发现结构化反馈流程能显著提升学习效果, 强调工作流设计而非单纯AI访问的重要性.


\arxivwithtarget{2608.11631}{CLAIM: Leading Open-domain Active Clarification of Large Language Models with Uncertainty Measurement}{Kuangzhao Yang, Ziliang Zhao, Zhicheng Dou}\textbf{cs.AI}.

本文提出CLAIM框架, 利用多模型答案分歧的熵来量化查询不确定性, 并据此生成合成数据训练澄清决策模型, 无需人工标注. 实验表明该方法能学习稳定的澄清策略, 但方法本身创新性一般, 与关键词列表关联较弱.


\arxivwithtarget{2608.11676}{XBridge: Entity-Grounded Latent Bridge for Heterogeneous LLM Communication}{Wooseong Yang, Wei-Chieh Huang, Weizhi Zhang, Yu Wang, Philip S. Yu, Junhyun Lee}\textbf{cs.AI}.

本文提出XBRIDGE, 一种面向异构大语言模型(LLM) 多智能体系统的无解码通信协议, 解决了跨架构潜在空间通信中的实体锚定问题(entity grounding problem) . 通过Lexical Anchor Mapping (LAM)将发送者的上下文token映射到接收者的词表, 提供离散实体锚点, 并结合Latent Enrichment Bridge (LEB)使接收者查询发送者的隐藏状态以获取上下文增强, 从而避免连续瓶颈中的稀有token压缩崩溃(bridge-only F1约30%) . 实验表明, 在Llama、Qwen和Mistral三种模型家族、七个基准及双向通信中, XBRIDGE在所有任务上优于基于文本的通信, 延迟降低11倍, 且在同架构设置下在六项任务上超过KV-sharing基线, 仅需264M可训练参数(占接收者的3.8%) , 为异构agent通信提供了高效且可扩展的潜在级交互方案.


\arxivwithtarget{2608.11679}{AgenticTwin: An Agentic LLM Framework Integrated with Digital Twin for Anomaly Detection}{Touseef Hasan, Mounika Ghanta, Souvika Sarkar, Ujjwal Guin}\textbf{cs.AI}, cs.IR, cs.MA.

本文提出AgenticTwin框架, 将大语言模型(LLM) 推理与数字孪生异常检测管道集成, 用于解释系统异常并支持操作员自然语言查询. 实验表明, 结构化智能体协作和知识推理可提升诊断质量, 但方法主要为工程集成, 缺乏开创性理论贡献.


\arxivwithtarget{2608.11683}{FrontierFinance: A Challenging Benchmark for Measuring Frontier Intelligence of Finance Agents}{Yuhao Zhang, O. Ozan Koyluoglu, Thejas Venkatesh, Richard Diehl Martinez, Vishank Bhatia, Arash Alidoust, Ashwin Paranjape}\textbf{cs.AI}, cs.CL.

本文提出了一个面向金融投资分析场景的AI agent评测基准FrontierFinance, 包含220个专家级查询和11,543个评分细则, 覆盖投资者工作流的六个关键用例. 评测发现工具框架对系统性能影响显著, 且开源模型在成本效益上接近专有模型, 但整体性能仍有限.


\arxivwithtarget{2608.11692}{HUGIN: Enhancing Vision-Language Planning for Autonomous Logistics Sorting}{Xikai Sun, Cangtian Zhou, Kebin Liu, Ke Ma, Xu Wang, Zaishu Chen, Haotian Wang, Li Liu, Yunhao Liu}\textbf{cs.AI}.

本文提出HUGIN训练框架, 通过数据增强和全局上下文排序提升视觉语言模型在自主物流分拣中的多场景联合规划能力, 并构建SortingBench基准验证效果.


\arxivwithtarget{2608.11705}{Making Your LLMs More Objective: Stabilizing LLM Safety Behavior Across Traits with Trait-Invariant Safety Tuning}{Lang Cao}\textbf{cs.AI}.

本文研究了大型语言模型在不同系统提示词特质下的安全行为不一致问题, 提出了基于自蒸馏的TIST框架和TraSN方法以稳定安全决策, 实验表明该方法在保持通用能力的同时提升了安全鲁棒性.


\arxivwithtarget{2608.11724}{Proportional Analogies on Probability Distributions via Bayesian Updating}{Pierre-Alexandre Murena}\textbf{cs.AI}.

本文基于Bayesian updating提出了一种概率分布间的比例类比形式化框架, 并探讨了其在指数族及Gaussian mixture近似下的扩展. 该工作为类比推理在概率域的应用提供了新视角, 但未直接涉及所给关键词.


\arxivwithtarget{2608.11727}{Harness-IF: Evaluating Instruction Following Across Instruction Surfaces in Coding Agents}{Zining Huang, Haoran Que, Hong Zeng, Ge Zhang, Zuo Wang, Jin Chen, Haodong Wang, Zhongfei Hou, Changxin Pu, Shen Yan, Wenhao Huang}\textbf{cs.AI}.

本文提出了Harness-IF基准, 用于评估编码agent在多种指令表面上的指令遵循能力, 并引入Against-Prior Accuracy指标以区分真实遵循与偶然行为. 实验表明, 前沿模型在对抗先验规则上表现普遍较差, 且聚合分数会高估遵循程度.


\arxivwithtarget{2608.11768}{HyperANFIS: Enhancing Rule Representation and Interpretability in Adaptive Neuro-Fuzzy Systems via Hyperbolic Geometry}{Haoran Pei, Zhao Su, Zetao Lin, Haoran Li, Jun Shen, Qi Zhu, Lan Guo, Qingguo Zhou, Binbin Yong}\textbf{cs.AI}.

本文提出HyperANFIS, 将自适应神经模糊推理系统(ANFIS) 的规则原型学习、规则激活和结论聚合从Euclidean空间推广到hyperbolic space, 同时保留IF-THEN模糊规则的语义与可解释性. 通过利用hyperbolic geometry的表示能力, 该方法增强了模糊推理过程, 提升了预测精度、规则间协作及规则可信度, 并在多个数据集上优于标准ANFIS及其变体. 该工作为模糊系统与几何表示学习的结合提供了新思路, 与关键词中的“attention”在规则激活机制上存在潜在关联.


\arxivwithtarget{2608.11775}{The Sleeping Agent: What Gist-Based Context Compression Loses and Why}{Nicholas E. Kyrkewood}\textbf{cs.AI}, cs.CL.

本文提出Salience-Weighted Consolidation (SWC)框架, 一种受睡眠记忆巩固启发的基于gist的上下文压缩方法, 用于诊断长时程语言模型agent中压缩对记忆检索的影响. 通过将对话历史按salience分层并对中优先级内容进行结构化gist抽象, 作者在LoCoMo数据集上发现压缩显著提升多跳推理和单跳事实问题, 但严重损害时间类问题, 并定位到gist抽象提示词丢弃日期时间的机制. 通过单句提示词修改, 时间表达保留率从3.05%提升至62.39%, 时间问题准确率恢复+0.314, 展示了该修复的精准性, 为agent上下文压缩设计提供了重要见解.


\arxivwithtarget{2608.11888}{Agent Skills Can Be Harmful: An Empirical Study of Skill-Induced Failures in LLM Agents}{Gen Dong, Yanjie Gao, Liqun Li, Tianyin Xu, Yu Hua, Fan Yang}\textbf{cs.AI}.

本文通过差分分析框架对LLM agents中的skill-induced failures进行了实证研究, 发现看似相关的skills常导致功能错误或效率回归, 并提出了SkillTriage工具用于归因分析. 该工作主要聚焦于agent skills的负面影响, 与关键词中的agent有一定关联, 但方法较为常规, 未涉及spectral、Muon等核心概念.


\arxivwithtarget{2608.11905}{Policy-as-logic for robust reasoning over rules}{Rahul Nair, Bastian Lipka, Elizabeth Daly}\textbf{cs.AI}, cs.LG, cs.SC.

本文提出了一种混合符号方法, 将政策表达为形式逻辑, 利用语言模型进行事实提取, 并通过answer set solver进行推理, 以增强生成式AI系统对规则查询的鲁棒性. 实验表明该方法在准确性和token效率上优于政策即提示和政策即代码的方法.


\arxivwithtarget{2608.11941}{OEIS Open: How many conjectures can language models turn into theorems?}{Tom Adamczewski}\textbf{cs.AI}.

本文构建了基于OEIS中492个开放数学猜想的基准测试OEIS Open, 并评估了通用语言模型在有限预算下解决这些猜想的能力. 研究发现, 配备最小工具集的LM能以30%的成功率解决部分猜想, 但增加arXiv文献访问或更复杂的agent循环并未提升性能.


\arxivwithtarget{2608.11949}{ExRole: From Team Trajectories to Executable Roles in Multi-Agent Language Models}{Zhou Liu, Chaoyang Han, Zewei Pan, Zeli Su, Wentao Zhang}\textbf{cs.AI}.

本文提出ExRole框架, 从多智能体语言模型的团队轨迹中学习可执行的角色原型, 并将其转化为指令和token级角色标记以指导后续交互. 实验表明该方法在MuSiQue和2WikiMultiHopQA上优于单智能体搜索及多种基线, 但方法本身属于工程性框架设计, 缺乏理论或方法论上的开创性突破.


\arxivwithtarget{2608.11977}{Retry, Switch, or Abstain? Learning Strategy-Aware Tool-Use Policies via Controlled Error Injection}{Chaoran Chen, Vy Nguyen, Ziji Zhang, Abhinav Gullapalli, Ziyi Wang, Yuxuan Lu, Dakuo Wang, Jing Huang, Zhou Yu, Jin Lai}\textbf{cs.AI}.

本文提出BENCH2ROBUST框架, 通过将无故障工具使用基准转换为受控随机环境, 并引入场景可控的可解性, 系统性地研究LLM agent在工具故障下的恢复策略. 作者提出Bayesian Tool Memory (BTM)提供结构化运行时恢复上下文, 并结合课程控制的强化学习, 在7个模型和两个多轮基准上验证了方法的有效性. 实验表明, BTM无需重训练即可将鲁棒性提升高达16.8个百分点, 且与RL结合时在故障注入下达到40.8-45.5%的性能, 同时保持无故障表现, 为agent工具使用的鲁棒性恢复提供了开创性框架.


\arxivwithtarget{2608.11994}{Claim-Level Reliability Assessment for Efficient Test-Time Reasoning}{Sen Xu, Wei Wang, Shixi Liu, Jixin Min, Yingwei Dai, Zhibin Yin, Yirong Chen, Junlin Zhang}\textbf{cs.AI}, cs.CL.

本文提出Claim-Level Reliability Assessment (CLR)框架, 将测试时计算从额外采样重新分配至针对推理轨迹中决策关键声明的验证, 利用构造完整解与反驳错误声明之间的不对称性, 通过非线性可靠性评分压缩高置信错误轨迹的生存空间. 该方法无需训练, 在四个LLM和四个推理基准上以匹配预算显著提升pass@1和self-consistency, 例如在GPT-OSS-20B/CMIMC25上超过pass@1达27.15个百分点, 并以37.0%更少token将self-consistency从77.50%提升至82.19%. 该工作为测试时推理效率提供了新原则, 与关键词中“context”和“agent”的推理场景高度契合.


\arxivwithtarget{2608.12002}{CTBench: Evaluating Troubleshooting Capabilities of AI Agents in Realistic Telecom Network Operations}{Xingyu Yan, Tingting Dai, Antonio De Domenico, Mohamed Sana, Nicola Piovesan, Changchang Li, Bowen Liu, Kun Jiang, Mengjie Zhang, Dingcheng Shan, Jing-Cheng Pang, Chenwei Wu, Sijie Wu, Lianying Chao, Haoran Cai, Jiantao Ye, Xubin Li, Simon Mark Lucas, Xin Chen}\textbf{cs.AI}.

本文提出了CTBench, 一个用于评估AI代理在真实电信网络运维中故障排查能力的公开基准, 聚焦于根因分析和路径恢复任务, 并采用专家驱动的指标进行评测. 实验表明现有代理在根因分析上表现不足, 且常缺乏基于证据的诊断.


\arxivwithtarget{2608.12036}{Mechanist: AI as a Scientific Instrument for Discovering the Mechanisms of Intelligence}{Mengru Wang, Junfeng Fang, Shuofei Qiao, Zhenqian Xu, Haoming Xu, Haoxiong Wang, Shumin Deng, Linyi Yang, Zhixiang Cui, Xin Xu, Yunzhi Yao, Buqiang Xu, Fei Shen, Haozhe Luo, Yunxiang Wei, Ningyu Zhang, Julian McAuley, Tat Seng Chua, Huajun Chen}\textbf{cs.AI}, cs.CL, cs.HC, cs.LG, cs.MA.

本文提出Mechanist, 一个将AI作为科学仪器用于自主发现AI智能机制的agentic系统. 该系统构建了约13,000篇可解释性论文的知识图谱, 并整合了涵盖26个领域的4,300万篇论文的多学科数据库, 同时精选了32种用于机制分析、因果干预和验证的基础方法. Mechanist在生成机制假设和执行实验方面优于Claude Code等现有AI科学家系统, 并展示了从发现模型行为到解释和控制AI模型的进展, 包括揭示跨模态安全风险转移、建立信念的机制理论, 以及将机制洞见转化为提升模型性能和引导DNA序列生成的实用干预. 该系统与关键词中的agent高度契合, 代表了AI可解释性研究中的一种开创性自动化方法.


\arxivwithtarget{2608.12097}{Graph-Structured Rubrics: Compiling Rubrics into Typed Evaluation Graphs for LLM Judges}{Xi Chen, Jie Mu, Mo Xuan, Qun Shao}\textbf{cs.AI}.

本文提出Graph-Structured Rubrics (GSR)方法, 将评估标准编译为类型化评估图以增强LLM评判的准确性和一致性, 实验显示其在点式与成对评估任务上优于传统方法. 该方法主要面向AI评估领域, 与关键词列表中的核心概念关联较弱.


\arxivwithtarget{2608.12133}{GUIDE: Governed Unified Intelligence for Document-to-Artifact Generation in Enterprise Settings}{Shivali Dalmia, Sumukha Thoppanahalli, Mohammadreza Sediqin, Abhishek Mukherji}\textbf{cs.AI}.

本文提出GUIDE, 一个基于共享版本化规则存储的多agent框架, 用于企业文档到工件的生成, 通过六个专门agent实现解析、提取、验证和合成, 在120份真实文档上达到96%的成功率并显著缩短处理时间. 该工作主要面向企业应用场景, 与关键词中的agent有一定关联, 但方法创新性一般.


\arxivwithtarget{2608.12150}{Who Thinks Best Depends on How Long You Let Them: Budget-Dependent Rankings in LLM Evaluation}{Rodrigo Guedes de Souza, Alison R. Panisson}\textbf{cs.AI}, cs.CL.

本文通过改变token生成预算(最大生成token数) 来评估大语言模型在推理基准上的表现, 发现模型排名会随预算变化而反转, 且存在非单调的准确率行为. 作者进一步提出预算感知的路由器以利用模型间的互补性, 但该方法的跨域迁移效果有限.


\arxivwithtarget{2608.12192}{How to Spend Your Oracle Budget: Practical Guidance for Protein Structure Prediction Models}{Aleksandra Kalisz, Jack Simons, Krisztina Sinkovics, Noam Ghenassia, Shikha Surana, Henry Moss, Paul Duckworth}\textbf{cs.AI}, cs.LG.

本文系统比较了多种蛋白结构预测模型的oracle预算引导方法, 包括FK-steering、DPO、Best K-of-N和O3, 并在两个蛋白靶标上进行了实验评估. 研究发现不同方法在不同预算和oracle条件下表现各异, 为实际应用提供了选择建议.


\arxivwithtarget{2608.12249}{An Agentic Workflow for Legacy HPC Modernization: Converting the Two-Electron-Integral Core of GAMESS}{Yuzhong Shen, Masha Sosonkina, Peng Xu, Mark S. Gordon}\textbf{cs.AI}.

本文提出了一种基于agentic workflow的遗留Fortran代码现代化方法, 通过三个提示特化的agent角色在版本控制规范下协作, 并利用领域内的精确验证oracle(即GAMESS标准测试套件的bit-for-bit能量复现) 作为安全边界, 成功将GAMESS中计算电子排斥积分的12个源文件、56,448行代码从固定格式Fortran 77转换为自由格式Fortran 2008. 该方法在612次测试运行中实现了零化学相关差异, 展示了agent-driven代码迁移在大型科学计算软件中的可行性与可靠性, 与关键词中的agent和code高度契合.


\arxivwithtarget{2608.12282}{VAKRA: Evaluating Multi-Hop Reasoning Across APIs and Retrieval Under Tool-Use Policies}{Ankita Rajaram Naik, Anupama Murthi, Benjamin Elder, Siyu Huo, Raavi Gupta, Abhinav Jain, Praveen Venkateswaran, Abdulhamid Adebayo, Danish Contractor}\textbf{cs.AI}.

VAKRA基准测试构建了超过8000个可执行API和62个领域的多跳推理任务, 涵盖API交互、结构化API组合推理及自然语言工具使用策略约束下的多源推理三种难度设置. 通过重新执行预测的工具调用来验证正确性, 该工作系统评估了前沿和开源模型在agent工具使用场景下的推理能力, 发现模型在组合API任务上准确率降至50-51%, 且策略约束下的不可回答查询准确率低至2.4%. 失败分析表明主要瓶颈在于语言中介的推理环节(如实体消歧和跨源grounding) , 而非工具调用机制本身, 这为agent推理研究提供了重要基准和诊断视角.


\arxivwithtarget{2608.12304}{Constructing Dynamic Master Logic Models as Knowledge Graphs for Complex System Diagnostics Using Retrieval-Augmented Large Language Models}{Saman Marandi, Yu-Shu Hu, Mohammad Modarres}\textbf{cs.AI}.

本文提出了一种利用检索增强生成和大语言模型自动构建动态主逻辑模型并将其表示为知识图谱的框架, 应用于复杂系统诊断. 该方法在大型系统上验证了模型构建的一致性和结构完整性, 但整体属于工程应用型工作, 创新性有限.


\section{cs.IR}
\arxivwithtarget{2608.11415}{TRACES: A Benchmark for Epistemic Reliability in Scientific Reasoning by LLMs}{Valentin Rodionov, Shamil Assylbekov}\textbf{cs.IR}, cs.AI.

本文提出了一个名为TRACES的基准测试, 用于评估大语言模型在科学推理中的认知可靠性, 通过42篇撤稿或伪科学论文构建探针, 并引入两个互补评分指标衡量模型对错误前提的拒绝与识别能力. 结果表明模型在多数情况下无法可靠识别不可靠科学文献, 其拒绝行为主要集中于高知名度话题, 而非基于稳健的认知能力.


\arxivwithtarget{2608.11846}{From Overlooked to Explored: Recovering Item Relations via Mixture of Perspectives for Sequential Recommendation}{Junyoung Kim, Wonbin Kweon, Woojoo Kim, Jaehyung Lim, Dongha Kim, Hwanjo Yu}\textbf{cs.IR}.

本文提出PRISM模块, 针对基于transformer的序列推荐模型中自注意力机制存在的相似性偏差问题, 通过引入K个Perspective Lenses从不同视角校准注意力, 其中Affinity View细化同质关系, Contrast View暴露被抑制的异质关系, 从而更全面地捕捉用户偏好. 该方法在七个真实基准数据集上显著优于现有最先进模型, 为序列推荐中的关系建模提供了新思路, 与关键词“attention”高度契合.


\arxivwithtarget{2608.11973}{Sci-Surf: Navigating Scientific Literature Discovery through Human Feedback and Intelligent Summarizatio}{Fang Guo, Qi Zhu, Rongcan Pei, Shuqi He, Hui Chen, Yue Zhang}\textbf{cs.IR}.

本文介绍了一个名为Sci-Surf的学术文献发现系统, 通过LLM用户画像和博客式摘要生成来改进个性化推荐与论文理解, 但方法上主要依赖现有技术组合, 缺乏开创性.


\arxivwithtarget{2608.11980}{HCGRec: Hint-Conditioned Generative Recommendation with Semantic IDs}{Kangning Zhang, Haotian Fang, Xukun Luo, Hao Yin, Yang Gao, Peng Yan, Weiwen Liu, Weinan Zhang, Yong Yu}\textbf{cs.IR}, cs.AI.

本文提出Hint-Conditioned Generative Recommendation (HCGRec)框架, 针对semantic-ID生成式推荐中reward-based post-training阶段因早期semantic token错误分支导致零奖励、无法提供有效学习信号的问题, 通过checkpoint rollouts诊断困难实例, 并为无法到达正确item的实例提供最小目标前缀提示, 将零奖励组转化为有信息量的token完成比较. 该框架引入hint-aware credit decomposition, 对hinted前缀token使用supervised learning保持item-semantic和prefix-structure对齐, 对unhinted后缀token使用GRPO优化, 显著降低了零优势训练样本比例(从70%以上降至20%以下) , 在sequential recommendation基准上大幅超越supervised fine-tuning和vanilla reward-based post-training. 该方法为生成式推荐中的结构化优化瓶颈提供了开创性解决方案, 与关键词中context和attention相关.


\arxivwithtarget{2608.12049}{Token-Level Credit Assignment Optimization for Generative Document Retrieval}{Xinpeng Zhao, Yang Liu, Ran Chen, Xinyu Ma, Daiting Shi, Pengjie Ren, Zhumin Chen, Zhaochun Ren, Xin Xin}\textbf{cs.IR}.

本文提出了一种针对生成式文档检索的细粒度强化学习框架, 通过为DocID生成过程中的每个token分配基于相关性的奖励, 以改进序列级奖励带来的信用分配问题. 实验表明该方法在检索基准上优于序列级奖励基线, 但未涉及关键词列表中的核心概念.


\arxivwithtarget{2608.12184}{Making Collaborative Signals Count: Graph-Aware Large Language Models for Sequential Recommendation}{Fenglin Yan, Bohao Wang, Jian Zhang, Yu Cui, Tongya Zheng, Ye Feng, Can Wang, Jiawei Chen}\textbf{cs.IR}.

本文提出GALLM框架, 通过构建包含Text-Text、Item-Text和Item-Item三类关系的collaborative graph, 并将这些关系转化为轻量级可学习的attention biases直接注入LLM的attention机制, 从而在不引入额外graph encoder的情况下使LLM捕获全局collaborative signals. 该方法在四个真实推荐基准上显著优于现有baseline, 平均HR@5提升9.76%, 为sequential recommendation中LLM的collaborative-aware建模提供了新思路.


\section{cs.CL}
\arxivwithtarget{2602.14419}{WavePhaseNet: A DFT-Based Method for Constructing Semantic Conceptual Hierarchy Structures (SCHS)}{Kiyotaka Kasubuchi, Kazuo Fukiya}\textbf{cs.CL}, cs.LG.

本文通过测度论和频率分析重新审视LLM中的Transformer/Attention机制, 提出基于DFT的WavePhaseNet方法构建语义概念层次结构, 并利用Hodge理论进行上同调一致性控制以减少幻觉. 该方法在嵌入空间降维和语义一致性方面有一定探索, 但整体创新性和与关键词的契合度有限.


\arxivwithtarget{2608.10986}{What Iterated Self-Feeding Probes of Language Models Measure, and a test that separates the construction from the model}{Nicolás Vera Zúñiga}\textbf{cs.CL}, cs.LG.

本文通过自反馈探针(self-feeding probes) 研究语言模型, 利用Glauber动力学和双环耦合方法区分构造效应与模型效应, 发现部分量(如损伤光锥和Lyapunov指数标度) 由构造决定, 而其他量(如训练中的零点交叉) 真实反映模型特性. 文章提供了一种分离两者的测试方法, 并报告了若干因估计器失效而撤回的结论.


\arxivwithtarget{2608.11232}{Backtrader-Bench: Benchmarking LLM Agents on Algorithmic Trading with Self-Generated MCQs}{Ruoxi Zhao, Maziar Raissi}\textbf{cs.CL}, cs.AI.

本文提出Backtrader-Bench框架, 用于评估LLM coding agents在algorithmic trading中的表现. 该框架包含两条互补pipeline: 一条deterministic MCQ pipeline从backtest configurations生成问题, 另一条generator-solver filtering pipeline自动挖掘更难的问题. 实验表明, tool-augmented agents在单次pass中达到90.0%准确率, 显著优于no-tools baselines, 且该框架设计用于生成reinforcement learning训练语料, 为构建quantitative trading专用agent提供基础. 该工作与关键词agent高度契合, 并在评估方法上具有开创性.


\arxivwithtarget{2608.11233}{Retrofitting Recurrent Depth into a Pretrained Language Model: Installation, Extrapolation, Transfer, and Retention at Two Parameter Budgets}{Mark Shapiro}\textbf{cs.CL}, cs.AI, cs.LG.

本文探讨了将循环深度改造进预训练语言模型的方法, 通过将Qwen2.5-0.5B-Instruct分为Prelude、权重共享的Recurrent Block和Coda, 并引入保持恒等映射的循环路径, 研究了该机制在两种参数预算下的安装、外推、迁移和保持能力. 实验表明该机制在ARC任务上表现良好, 但未涉及关键词列表中的核心主题.


\arxivwithtarget{2608.11236}{TRACE Bench: Task-driven Roleplay Agentic Checklist Evaluation}{Jiahui Zhang, Ziwei Zhang, Yipeng Wang, Yibo Liu, Haozhou Pang, Yikai Hu, Hongyan Ren, Lan Zhou, Qi Gan, Kai Sheng}\textbf{cs.CL}, cs.AI.

本文提出TRACE Bench, 一个基于任务驱动角色扮演的agentic checklist评估框架, 通过将角色档案分解为固定检查表并使用User Agent与模型对话来追踪评分依据, 实验显示其覆盖率优于现有基准. 该工作主要面向LLM评估领域, 与关键词中的agent有一定关联但方法创新性有限.


\arxivwithtarget{2608.11242}{Lost in Compaction: Evaluating Side-Constraint Loss under Context Compaction}{Zhiqi Wang, Yichi Zhang, Dongwon Lee, Yuchen Yang}\textbf{cs.CL}, cs.AI.

本文研究了上下文压缩过程中会话约束(Session Constraints) 的丢失问题, 提出了COMPINT评估套件, 并设计了一个SC-aware提取器作为即插即用模块以提升约束保留率. 该工作主要关注LLM系统在长上下文场景下的行为一致性, 与关键词中的context和agent有一定关联, 但方法创新性和领域影响力有限.


\arxivwithtarget{2608.11249}{Diffuse to Compress: Leveraging Diffusion LMs for Lossless Compression}{Angelo Nardone, Paolo Ferragina}\textbf{cs.CL}, cs.AI, cs.IT, cs.LG.

本文首次将Diffusion Language Models (DLMs)引入无损文本压缩领域, 以替代自回归LLM的逐符号生成瓶颈, 并设计了针对DLM架构的编码策略. 实验表明该框架在enwik8基准上优于现有LLM基压缩器, 但方法仍处于初步探索阶段, 与关键词关联较弱.


\arxivwithtarget{2608.11332}{Gloss-Free Representation Learning for Cross-Dataset Sign Spotting}{Oğuz Akif Tüfekcioğlu, Ezgi Ekin, Mustafa Kaan Çevik, Hacer Yalim Keles}\textbf{cs.CL}, cs.CV.

本文研究基于弱监督的跨数据集手语识别, 利用广播新闻中的伪标签预训练编码器, 并引入LLM辅助归一化提升性能. 该方法与关键词列表中的概念关联较弱.


\arxivwithtarget{2608.11338}{Better, Faster, Stronger: Programmatic Skill Learning Best Reduces Agent Cost}{Zixi Huang, Xiheng Wang, Andrew Wang, William Jurayj, Bernal Jiménez Gutiérrez, Daniel Khashabi, Nicholas Andrews}\textbf{cs.CL}, cs.LG.

本文提出SpeedRunner, 一种通过将技能视为程序(program) 来降低LLM agent适应新领域成本的编码agent. 该方法在推理时增量式地从历史轨迹中分析并重构技能, 无需replay或validation, 即可在三个embodied环境中实现学习效率与成本削减的最优前沿, 同时保持对分布偏移和环境随机性的鲁棒性. 该工作为agent技能学习提供了程序化范式的开创性视角, 与关键词中的agent和code高度契合.


\arxivwithtarget{2608.11350}{Self-Evolving Embodied Agents via Skill-Harness Evolution}{Peidong Wang, Zhiming Ma, Ying Chang, Xufang Luo, Xiaocui Yang, Shi Feng, Yuqing Yang, Dongsheng Li}\textbf{cs.CL}, cs.RO.

本文提出SHAPER框架, 通过冻结模型参数并演化外部技能与上下文代码来提升具身智能体性能, 在VLABench和ESI-Bench上验证了其有效性. 该方法属于训练-free的适应性调整, 与关键词中的agent和code有一定关联, 但创新性有限.


\arxivwithtarget{2608.11352}{ODE-Based Transformer Decoders for Iterative Sign Language Translation}{Tuğçe Kızıltepe, Hacer Yalim Keles}\textbf{cs.CL}, cs.LG.

本文从常微分方程(ODE)视角重新解释Transformer解码器的迭代精炼更新, 并引入Runge-Kutta方法(RK-2和RK-4)替代残差更新以提升手语翻译性能, 在PHOENIX-2014-T和CSL-Daily基准上优于基线模型. 该方法属于参数高效的解码器设计改进, 与关键词关联度较低.


\arxivwithtarget{2608.11408}{Measure, Don't Optimize: Forecasting Recovery in LLM Unlearning}{Zirui Song, Huaxing Liu, Xiang Wang, Shuai Li, Xinye Li, Lang Gao, Jinghui Zhang, Zheng Lu, Fengxian Ji, Xiaojun Chang, Xiuying Chen}\textbf{cs.CL}.

本文提出J-Access, 一种基于Jacobian lens的推理时审计方法, 用于评估LLM unlearning后残余知识在输出路径上的可访问性, 并发现该指标能预测模型层面的恢复速度, 但直接优化它会导致模型隐藏知识而非真正删除. 研究强调内部审计应作为独立诊断维度, 而非优化目标.


\arxivwithtarget{2608.11426}{Is Convergence Inevitable? Tracing Output Homogeneity Back to Base Models}{Alexandrine Fortier, Hazel Chen, Peter West}\textbf{cs.CL}.

本文通过受控SFT实验和base model的prompting测试, 探讨了语言模型输出同质性的来源, 发现语义收敛在pretraining阶段已存在, alignment仅起揭示或放大作用.


\arxivwithtarget{2608.11433}{Stigma and Support in Online Sexual Violence Narratives on Reddit}{Shirlene Rose Bandela, Karan Bindal, Vaibhav Garg, Rezvaneh Rezapour}\textbf{cs.CL}.

本文构建了SCOPE数据集, 对Reddit上性暴力幸存者叙事中的污名信号与评论支持类型进行标注, 通过上下文、语言和情感分析比较了污名与非污名内容, 发现污名叙事更强调内化痛苦, 社区回应以信息支持和尊重支持为主. 该研究为在线社区计算建模和内容审核提供了参考, 但与关键词列表关联较弱.


\arxivwithtarget{2608.11441}{DonorRank: Donor Language Selection for Low-Resource Cross-Lingual Speech Recognition}{Akriti Dhasmana, Aarohi Srivastava, David Chiang}\textbf{cs.CL}.

本文提出DonorRank框架, 利用learning-to-rank方法预测低资源跨语言语音识别中的有效donor语言选择, 并在Indic和非洲语言语料上验证其优于基于遗传相似性或高资源语言的启发式方法. 该工作主要聚焦于语言选择策略, 与关键词列表中的code、spectral、Muon、agent等主题关联较弱.


\arxivwithtarget{2608.11460}{Principal Trait Analysis: Towards Deriving "Skills" in Human-AI Collaboration}{Hunter McNichols, Kai Du, Andrew Lan}\textbf{cs.CL}.

本文提出Principal Trait Analysis (PTA)方法, 一种基于Principal Component Analysis启发的算法, 用于从LLM对话中自动提取有效人机交互的常见特征(traits) , 并在教育和专业编码数据集上验证其解释性和预测性, 但特征是否构成技能尚不确定.


\arxivwithtarget{2608.11528}{Group Alignment-Induced Sycophancy: A Two-Sided Evaluation of Steerable Pluralistic Alignment}{Haokai Zhao, Yunze Xiao, Weihao Xuan, Flora Salim, Benjamin Tag, Aditya Joshi}\textbf{cs.CL}.

本文提出Group Alignment-induced Sycophancy (GAS)框架, 系统评估了多种group alignment方法在提升opinion alignment的同时引发的sycophancy行为变化, 发现不同demographic group的增益与偏移不均, 建议将alignment报告为多维profile.


\arxivwithtarget{2608.11531}{On Weak Bisimilarities in CCSK}{Baptiste Vallée, Ivan Lanese}\textbf{cs.CL}.

本文在CCSK(CCS的可逆扩展) 中研究了强/弱、前向/后向等不同双相似性概念, 提出了弱可逆情形下的两种新变体(directional和mixed bisimilarity) , 并证明了mixed bisimilarity是congruence且能完全抽象掉$\tau$动作.


\arxivwithtarget{2608.11534}{CT-$Δ$Bench: A Benchmark for Longitudinal 3D Medical Imaging Difference Reporting with Vision-Language Models}{Kegeng Tang, Jingbo Wang, Shaogang Ren, Zihao Wang}\textbf{cs.CL}, cs.CV.

本文提出了CT-$\Delta$Bench基准, 用于评估视觉语言模型在纵向3D医学影像差异报告任务上的表现, 并引入DeltaMed基线模型. 该工作聚焦于医学影像的时间对比分析, 与关键词列表关联较弱.


\arxivwithtarget{2608.11552}{Beyond Single-Turn Confidence: Trajectory-Adapted Uncertainty Quantification for LLM Agents}{Dylan Bouchard, Mohit Singh Chauhan}\textbf{cs.CL}, cs.AI, cs.LG.

本文针对LLM agents的交互式轨迹(interactive trajectory) 场景, 系统研究了单轮不确定性量化(UQ) 方法(如基于action-token概率的白盒评分器、基于重采样轨迹的黑盒一致性评分器、以及基于模型自我评估的reflexive评分器) 的迁移效果. 通过在五个LLM和四个多轮工具使用数据集上的实验, 作者发现token-probability评分对跨轮聚合器的选择高度敏感, reflexive评分在多数设置下提供最强的低成本基线, 而黑盒self-consistency(特别是trajectory-equivalence和action-set consistency变体) 通常是最强的UQ家族. 该工作揭示了单轮UQ方法在轨迹层面需重新验证, 并强调了一致性度量、聚合器选择与计算预算的重要性, 为agent不确定性量化提供了开创性的实证基准.


\arxivwithtarget{2608.11573}{Reinforcing Step-level Reasoning for Effective Self-Correction in LLMs}{Vu Duc Anh, Nhat M. Hoang, Do Xuan Long, Cong-Duy Nguyen, Ponhvoan Srey, Luu Anh Tuan}\textbf{cs.CL}, cs.AI.

本文提出Self-Fix Step-DPO (SFS-DPO)框架, 通过两阶段强化学习增强LLM的逐步推理与自我修正能力, 并引入教师辅助变体SFS-DPO-R提升修正信号. 实验表明该方法在域内和域外任务上优于现有基线, 但未涉及关键词相关领域.


\arxivwithtarget{2608.11624}{Learning to Persuade Exposes How Easily LLMs Abandon Correct Beliefs}{Nimet Beyza Bozdag, Emre Can Acikgoz, Gokhan Tur, Dilek Hakkani-Tür}\textbf{cs.CL}, cs.AI.

本文提出了一种adversarial reinforcement learning框架, 通过训练persuader agents在单次交互中改变目标LLM的答案, 形式化了adversarial persuasion这一威胁. 实验表明, RL训练的persuader能将说服成功率从约24%提升至93%以上, 并有效迁移至未见模型(如Qwen-14B、Llama-3.1-8B和GPT-4o-mini) , 且通过curriculum bootstrapping可进一步提高对GPT-4o-mini的攻击成功率. 该工作揭示了当前LLM agents在正确推理后仍易被优化自然语言影响导向错误结论的脆弱性, 为multi-agent和human-AI决策系统提出了persuasion robustness这一必要安全标准, 与关键词中的agent和attention(涉及说服策略中的注意力机制) 高度契合.


\arxivwithtarget{2608.11629}{Easper: An Accessible ASR Pipeline for Language Documentation}{Aso Mahmudi, Ting Dang, Ekaterina Vylomova, Nick Thieberger}\textbf{cs.CL}.

本文介绍了Easper, 一个面向语言文档的无代码ASR微调工作流, 并探讨了在三种Vanuatu语言上优先转录策略对模型性能的影响.


\arxivwithtarget{2608.11649}{Who Would You Vote For? Auditing Political Alignment in LLMs: An Italian Case-Study}{Simone Mungari}\textbf{cs.CL}.

本文提出了一种系统化的审计框架, 用于评估大型语言模型(LLMs) 对政治党派和领导人的偏好, 并通过意大利案例研究展示了该框架的应用, 重点关注模型行为的一致性和提示敏感性.


\arxivwithtarget{2608.11657}{Semantic Lenia: Emergence of Homeostatic Solitons within the Semantic Space of Large Language Models}{Yoshihiko Kayama}\textbf{cs.CL}, cs.AI, nlin.CG.

本文提出Semantic Lenia框架, 将大语言模型推理转化为logit空间中的连续动力学系统, 通过非线性稳态反馈平衡语义吸引与句法排斥, 实现“自主语义孤子”的涌现. 该方法在混沌边缘维持生成轨迹, 但主要聚焦于人工生命与认知物理, 与关键词关联较弱.


\arxivwithtarget{2608.11660}{Hybrid-Policy Self-Editing for Composable Unstructured Knowledge Editing}{Tianci Liu, Zihan Dong, Tianchun Li, Yi-Chung Chen, Qiming Cao, Xingchen Wang, Shiyang Wang, Zichen Miao, Linjun Zhang, Haoyu Wang, Jing Gao}\textbf{cs.CL}, cs.AI, cs.LG.

本文提出HPSE方法, 通过混合策略自编辑提升大语言模型在非结构化知识编辑中的可组合性, 利用特权上下文状态进行自蒸馏, 并理论分析其优势. 实验表明该方法在多个模型和编辑器中具有即插即用的改进效果.


\arxivwithtarget{2608.11694}{The Wording Effect: Quantifying Two-Way Drift in LLM Benchmark Performance}{Shailja Thakur, Sungeun An, Chad DeLuca, Hima Patel}\textbf{cs.CL}, cs.AI.

本文通过BenchDrift工具系统研究了LLM基准测试中问题措辞变化对模型答案的影响, 发现重述问题会导致模型正确性双向漂移, 且模型能力越强对措辞越敏感. 该研究主要关注基准测试可靠性, 与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联.


\arxivwithtarget{2608.11715}{When the API Speaks the Wrong Language: Revisiting Post-Training for Multilingual Tool Use}{Siddharth Chauhan, Thomas Butler, Abhishek Singhania, Pankaj Porwal, Honey Gupta}\textbf{cs.CL}, cs.AI.

本文研究了多语言环境下LLM进行API调用时的参数语言不匹配问题, 通过监督微调和强化学习策略对比, 发现SFT能有效提升语言一致性和调用准确性, 而RL方法仅带来增量改进.


\arxivwithtarget{2608.11735}{Locating and Controlling Implicit Personalization in Large Language Models}{Yueru Yan, Siqi Wu, Thai Le}\textbf{cs.CL}, cs.AI, cs.LG.

本文通过匹配提示实验, 在五个大型语言模型中定位了与隐式个性化行为相关的内部激活信号, 并展示了通过移除该信号可抑制其影响, 但效果因模型和属性而异.


\arxivwithtarget{2608.11742}{Ripple-Pivot Search: Active Parallel Decoding for Diffusion Large Language Models}{Yushi Ye, Xu Chen, Haoyun Jiang, Jinsong Lan, Haihong Tang, Bo Han, Ivor Tsang, Yanfeng Wang, Bo Zheng, Jiangchao Yao}\textbf{cs.CL}.

本文提出了一种针对扩散大语言模型(dLLMs) 的无训练并行解码方法Ripple-Pivot Search (RPS), 通过识别并利用解码过程中的“ripple effect”来加速推理. 该方法选择中等熵位置作为pivot并评估其下游收益, 在多个基准上实现了4-10倍的加速, 但未涉及关键词列表中的核心主题.


\arxivwithtarget{2608.11753}{LabelFusion-TS: Fusing Large Language Models, Transformer Encoders, and Financial Time Series for Monetary-Policy Stance Classification}{Michael Schlee, Fabian Lukassen, Christoph Weisser}\textbf{cs.CL}.

本文提出LabelFusion-TS系统, 将金融时间序列作为额外输入融入联邦储备委员会沟通文本的鹰派/鸽派/中立分类任务, 通过投票网络结合微调RoBERTa、提示LLM和时间序列Transformer集成, 在有限标注数据下提升分类性能.


\arxivwithtarget{2608.11758}{AWARe: Mitigating Catastrophic Forgetting via Activation-Weighted Adaptive REtention}{Juncheng Liao, Jinfan Lv, Guoming Wang, Jupeng Zheng, Ling Xiao, Siliang Tang}\textbf{cs.CL}.

本文提出AWARe方法, 通过基于激活模式的重要性评分动态控制参数更新, 以缓解多模态大语言模型微调中的灾难性遗忘问题, 实验表明其在保持上游能力的同时提升下游性能.


\arxivwithtarget{2608.11767}{Causal Structure is Inducible but Functionally Decoupled: The Routing/Readout Boundary of a Typed Mechanism Library}{Xining Xun}\textbf{cs.CL}.

本文研究transformer中因果知识的组织方式, 通过类型级监督诱导出按证据类型划分的机制槽结构, 并发现该结构仅用于路由而非答案读出. 实验在两种规模下验证了结构可诱导性、路由/读出边界及编辑可逆性, 但方法本身未涉及关键词中的核心主题.


\arxivwithtarget{2608.11772}{Diagnosis Before Recovery: Turning Agent Failures into Selective Self-Correction}{Pan Wang, Yihao Hu, Hang Wang, Zirui Lv, Xin Zhang, Jianshe Li, Jiang-Ming Yang, Wei Wu, Yongqi Tong}\textbf{cs.CL}.

本文提出DARC方法, 通过开发集故障分析预先筛选恢复策略, 将智能体自校正从上下文扩展转为恢复接口设计, 在多个任务中提升性能并减少资源消耗.


\arxivwithtarget{2608.11786}{Language-Conditional Dequantization: Recovering What Quantization Steals from Non-English Languages}{Nirmal Thomas}\textbf{cs.CL}.

本文研究了量化对多语言模型性能的不均衡损害, 并提出Language-Conditional Dequantization (LCD)方法, 通过为已量化模型的线性层附加每语言低秩LoRA修正来恢复部分性能损失, 同时分析了不同模型深度上误差传播的差异.


\arxivwithtarget{2608.11787}{GRPO for Financial Advice Generation: Outperforming Commercial LLMs under CATE Evaluation}{Ofir Ben Shoham, Shrutendra Harsola, Vignesh Subrahmaniam, Shravan Mohan, Yakov Gazman, Oded Vainas}\textbf{cs.CL}, cs.AI, cs.LG.

本文提出将金融建议生成视为强化学习问题, 使用GRPO算法微调开源语言模型, 并引入LLM-as-a-judge奖励与安全门控, 同时采用双重稳健的CATE估计器进行独立审计, 结果显示其性能优于商业LLM. 该工作主要聚焦于金融NLP应用, 与关键词列表关联较弱.


\arxivwithtarget{2608.11788}{TELLME: Test-Enhanced Learning for Language Model Enrichment}{Minjun Kim, Inho Won, Hyeonseok Lim, MinKyu Kim, Junghun Yuk, Wooyoung Go, Jongyoul Park, Jungyeul Park, KyungTae Lim}\textbf{cs.CL}, cs.AI.

本文提出了一种名为TELLME的持续预训练方法, 通过引入测试增强学习原则来提升语言模型在特定领域的知识获取效率和长期记忆保持能力. 实验表明该方法在金融领域表现优于现有方法, 但未涉及关键词中的核心概念.


\arxivwithtarget{2608.11805}{Hybrid Gated Attention}{Zekun Zhou, Ruobing Xie, Lanrui Wang, Weixuan Sun}\textbf{cs.CL}.

本文提出了一种混合门控注意力(Hybrid Gated Attention, HyGA) 框架, 通过引入三种门控策略, 利用注意力多阶段的信息构建element-wise和head-wise门控, 以捕捉intra-head和cross-head的信息交互, 从而增强注意力的表示能力并缓解attention sink问题. HyGA采用低秩矩阵分解和可学习的attention sink来提升训练效率与稳定性, 在多种backbone和基准测试上相较于Gated attention显著改善了训练损失和下游任务性能, 并在不同计算成本下达到最优效果. 该工作为注意力机制的有效性-效率Pareto前沿提供了新的扩展方向, 与关键词attention高度契合.


\arxivwithtarget{2608.11822}{Located but Not Releasable: Silent Gate Inversion and Bounded Linear Release}{Xining Xun}\textbf{cs.CL}, cs.LG.

本文对25.7M transformer在因果证据判别任务上的“检测-定位-释放”全流程进行了预注册压力测试, 发现定位干预有效但门控检测器在分布外完全失效, 且线性释放方向存在上限. 该研究主要报告了具体实验失败现象, 方法创新性有限, 与关键词关联较弱.


\arxivwithtarget{2608.11843}{When the Knowledge Base Becomes the Gold Standard: Measuring Resource-Shared Evaluation Loops in Entity-Level Machine Translation}{Jinhyung Bae, Dain Kil, Seongmin Oh, Seungmin Lee}\textbf{cs.CL}, cs.DL.

本文研究了实体级机器翻译中知识库注入导致的评估循环问题, 通过专家标注数据测量了注入资源与评估基准的重叠效应, 并分析了不同模型在重叠与独立片段上的性能差异.


\arxivwithtarget{2608.11879}{Total Recall at What Cost? Benchmarking the Serving Cost of Agentic Memory Systems}{Natchanon Pollertlam, Witchayut Kornsuwannawit}\textbf{cs.CL}, cs.IR.

本文对三种agentic memory系统(Mem0, Hindsight, Mastra Observational Memory) 与两种参考策略在长对话场景下的服务成本进行了基准测试, 发现其成本无法由对话长度和消息大小预测, 且成本与准确率无法兼得. 该研究属于工程评估性质, 与关键词中的agent相关但缺乏方法开创性.


\arxivwithtarget{2608.11919}{LazyTrain: Limited-resource Allocation toward Zero-waste Yield Optimization in Large Language Model Training}{Xiaojun Wu, Cehao Yang, Honghao Liu, Xueyuan Lin, Xuhui Jiang, Chengjin Xu, Jia Li, Jian Guo}\textbf{cs.CL}.

本文提出LazyTrain, 一种针对大语言模型训练的优化层, 将检查点选择、激活放置等调度问题建模为混合整数规划并执行, 同时结合8-bit优化器状态与快速梯度裁剪. 实验表明其在有限硬件上提升了训练吞吐量, 但方法属于工程优化, 缺乏理论或方法上的开创性.


\arxivwithtarget{2608.11922}{LODESTAR: Trustworthy Entropy Is Navigated, Not Merely Measured -- Reinforced Polarizer Keeps a Frozen LLM from Being Confidently Misled by the Wrong Evidence}{Po-Jen Ko, Che-Cheng Wu, Hung-Chun Hsu, Li-Yang Chang, Chuan-Ju Wang}\textbf{cs.CL}, cs.IR, cs.LG.

本文提出LODESTAR方法, 通过强化学习训练一个固定的自然语言字符串(polarizer) 插入到冻结的LLM提示中, 以降低误导性证据导致的低熵错误, 提升检索增强问答的答案选择性能. 该方法在多个QA基准上取得优于现有熵选择器的结果, 但方法本质是提示工程与选择规则的结合, 与关键词关联较弱.


\arxivwithtarget{2608.11924}{Spark-to-Paper: End-to-End Research Paper Generation as a Composable Skill}{Zhuoyang Qian, Biao Wu, Yiran Wang, Chris D Yan, Desan Dai, Liangwei Zheng, Jin Jiang, Junsheng Zhang, Wenhao Wang}\textbf{cs.CL}.

本文介绍Spark-to-Paper系统, 将研究论文生成实现为编码助手内的十三个可组合技能, 通过分离模型判断与确定性操作、实验规划与报告, 并引入完整性检查与自我批判机制, 提升了长流程生成的可靠性. 系统在受控主题上实现了高引用有效性和图形可编辑性, 但方法主要为工程集成, 缺乏理论或方法论上的开创性.


\arxivwithtarget{2608.11947}{Accuracy and Order Sensitivity Diverge Under Label-Free Strategies}{Karl Hanna, Chen Feng}\textbf{cs.CL}, cs.AI.

本文探讨了在多项选择基准测试中, 通过无标签策略(如生成后匹配或孤立评分) 消除选项顺序敏感性对大型语言模型准确性的影响, 发现这些策略无法可靠提升准确率, 且循环排列反而常带来改进. 研究为评估模型知识提供了关于顺序偏差与准确性关系的实证分析.


\arxivwithtarget{2608.11981}{Benchmarking Trustworthiness of SLMs: Pre-trained vs. Compressed}{Haokun Lin, Kaijie Zhu, Haobo Xu, Yichen Wu, Zhichao Lu, Qingfu Zhang, Zhenan Sun}\textbf{cs.CL}.

本文评估了小型语言模型(SLMs) 在公平性、鲁棒性、隐私和伦理等维度的可信度, 比较了从零训练与通过剪枝、量化或蒸馏压缩大模型两种构建路径, 发现量化比剪枝更能保持可信度, 且从可靠大模型量化得到的SLMs优于从零训练的模型. 该研究为可信SLM的开发提供了实证指导, 但未涉及关键词相关方法.


\arxivwithtarget{2608.12008}{Asymptotic Risk Calibration for Selective Question Answering}{Shufan Lin, Sijin Dong}\textbf{cs.CL}.

本文提出A-CRC-QA框架, 将选择性问答中的误差控制转化为线性期望约束, 并采用单调化经验风险校准方法实现渐近风险控制. 该框架与模型无关且无需额外训练, 在CoQA和MedMCQA上验证了其有效性, 但方法创新性有限且与关键词关联较弱.


\arxivwithtarget{2608.12018}{Poly-Dialectal Neural Machine Translation System for Bangla Regional Dialects}{Rakib Ullah, Ruhul Islam Rahul, Tanbir Ahmed}\textbf{cs.CL}.

本文构建了包含12种孟加拉方言的大规模平行语料库, 并基于BanglaT5模型微调实现了多方言神经机器翻译系统, 在BLEU和chrF++指标上优于现有模型. 研究还进行了跨方言迁移分析和数据集规模效应研究, 并部署了量化模型应用.


\arxivwithtarget{2608.12062}{Preference Tree Optimization: Enhancing Goal-Oriented Dialogue with Look-Ahead Simulations}{Lior Baruch, Moshe Butman, Kfir Bar, Doron Friedman}\textbf{cs.CL}, cs.AI.

本文提出Preference Tree Optimization (PTO)框架, 通过Look-Ahead模拟生成偏好数据并结合Direct Preference Optimization (DPO)来迭代优化目标导向对话系统中的agent模型, 在Motivational Interviewing领域验证了其提升会话满意度和长期规划能力的有效性.


\arxivwithtarget{2608.12113}{Structuring the Space of Perspectives}{Agnese Daffara, Sebastian Padó, Tanise Ceron}\textbf{cs.CL}.

本文回顾了NLP中视角相关概念(如stance、sentiment、frame和argument) 的空间, 提出一组属性以区分这些概念, 并构建了一个沿单一轴线性组织的概念层级, 旨在帮助研究者根据研究目标选择合适的视角操作化定义.


\arxivwithtarget{2608.12121}{QV-PIC: Query-Aware Visual Position-Independent Caching for Efficient RAG Serving}{Yilin Liu, Rui Meng, Wangze Ni, Jianxin Yan, Heng Cao, Libin Zheng, Peng Cheng, Jinfei Liu}\textbf{cs.CL}, cs.AI.

本文提出QV-PIC框架, 通过查询感知的双分辨率视觉缓存复用优化RAG服务中的KV缓存效率, 在图像压缩文本的同时减少质量损失, 但方法主要针对工程优化, 与关键词关联较弱.


\arxivwithtarget{2608.12129}{SAG: SQL-Retrieval Augmented Generation with Query-Time Dynamic Hyperedges}{Yuchao Wu, Junqin Li, XingCheng Liang, Yongjie Chen, Yinghao Liang, Linyuan Mo, Guanxian Li}\textbf{cs.CL}.

SAG提出了一种基于SQL的结构化检索增强生成架构, 将文档组织为事件-实体索引而非全局知识图谱, 每个chunk被表示为语义完整的事件及其实体构成的潜在hyperedge, 从而保留n-ary关系而不分解为triples. 在查询时, SAG将共享实体作为join keys动态连接相关chunk, 生成查询范围的邻居事件集, 同时保持证据始终为原始chunk. 在HotpotQA、2WikiMultiHopQA和MuSiQue上的实验表明, SAG在所有基准上取得最佳检索和端到端QA性能, 尤其在MuSiQue上Recall@5达到80.36%, 超过最强baseline 11.52个百分点, 且优势随推理链复杂度增加而扩大. 该方法为持续增长的组织知识提供了无需全局图谱构建的轻量级检索基础设施, 与关键词中的agent和context高度契合.


\arxivwithtarget{2608.12138}{A corpus-specific clinical RAG system matches or outperforms newer frontier LLMs on HealthBench}{Praveen Reddy, Charuta Mandke, Suvrankar Datta, Sarah Khan, Siddharth Reddy Anthireddy, Shitij Arora, Vishal Singh}\textbf{cs.CL}, cs.AI, cs.HC, cs.IR, cs.LG.

本文评估了VITA, 一个针对印度等中低收入地区构建的临床RAG系统, 在HealthBench基准上的表现, 发现其与前沿通用LLM(如GPT-5.5) 在准确性和完整性上达到统计等价, 但沟通得分较低, 表明语料库特异性设计在提升grounding的同时牺牲了部分交流流畅度.


\arxivwithtarget{2608.12149}{Massive Activations in Hybrid Linear Attention Large Language Models: Pre-Attention Spikes and Inter-Spike Plateaus}{Zunhai Su, Bohan Sun, Xialie Zhuang, Shuibai Zhang, He Xiao, Jing Xiong, Hengyuan Zhang, Zhongzhu Zhou, Tiantian Zhang, Ngai Wong, Chuan-Wei Kuo}\textbf{cs.CL}.

本文系统研究了层间混合线性注意力大语言模型中的Massive activations现象, 发现其形态与注意力层结构相关, 并分析了不同配置下的表现. 该研究主要关注模型内部激活模式, 与关键词关联较弱.


\arxivwithtarget{2608.12218}{Information Abundance Paradox: Long-Context Training Undermines Parametric Knowledge}{Arda Uzunoglu, Benjamin van Durme, Daniel Khashabi}\textbf{cs.CL}, cs.AI.

本文提出Information Abundance Paradox, 通过预训练与监督微调实验证明, 训练上下文窗口的增大在达到中间最优值后反而会削弱模型的parametric knowledge(参数化知识) 编码, 导致模型对context的依赖增强. 机制上, 长上下文训练将梯度压力从feed-forward networks(与参数化知识相关) 转移至attention modules, 并通过causal interventions验证了这一转移. 该发现挑战了“更长上下文必然有益”的隐含假设, 为理解context window与模型学习模式(parametric internalization vs. contextualization) 的权衡提供了开创性视角, 与关键词context和attention高度契合.


\arxivwithtarget{2608.12253}{One Frozen Simulator Is Not Enough: Simulator Collapse in Multi-Agent RL}{Simon Yu, Nicholas Tomlin, Marwa Abdulhai, Ximing Lu, Derek Chong, Abe Hou, Dilara Soylu, Sergey Levine, Christopher D. Manning, Weiyan Shi}\textbf{cs.CL}, cs.AI, cs.LG.

本文研究了多智能体强化学习中单一LLM模拟器导致的simulator collapse问题, 提出推理时的Verbalized Sampling和训练时的Co-Training两种解决方案, 并在多个基准上验证了其提升泛化性能的效果.


\arxivwithtarget{2608.12269}{A Cascaded Unsupervised-Supervised NLP Pipeline for Detecting Accusatory Language in Public Procurement}{Bryan Torres, Daniel Riofrío, José Vega-Sánchez, Nathaly Orozco, Carla Parra, Karen Rosero, Felipe Grijalva}\textbf{cs.CL}.

本文提出了一种结合无监督聚类与有监督分类的级联NLP流水线, 用于检测厄瓜多尔公共采购系统中的指控性语言. 实验表明, 领域训练的Word2Vec嵌入与GMM聚类及随机森林分类器组合在类别不平衡下表现良好, 但方法主要为工程应用, 缺乏理论或方法上的开创性.


\arxivwithtarget{2608.12278}{Structural Silence: When AI Infrastructure Fails Speakers of Underrepresented Languages}{Avijit Roy, Proma Roy}\textbf{cs.CL}, cs.AI, cs.CY.

本文通过孟加拉语的案例, 分析了AI基础设施(如训练语料、tokenization方案和部署架构) 对低资源语言使用者的系统性排斥, 指出数据稀缺是结构性障碍而非单纯技术问题, 并倡导离线优先设计以促进公平.


\section{cs.DS}
\arxivwithtarget{2608.11346}{Distribution-Free Halfspace Testing with Samples}{Xi Chen, Renato Ferreira Pinto Jr., Nathaniel Harms, Shyamal Patel, Rocco A. Servedio}\textbf{cs.DS}.

本文证明了在分布自由样本模型中, 测试$\mathbb{R}^n$上半空间所需的样本数下界为$\Theta(n/\epsilon)$, 并给出了匹配的单侧测试器上界, 表明该模型下测试与学习效率相当.


\arxivwithtarget{2608.11413}{Graphic Matroid Secretary without the Graph}{Paul Dütting, Renato Paes Leme, Martin Pál, Neel Patel}\textbf{cs.DS}.

本文针对matroid secretary problem (MSP)在未知graphic matroid上的长期开放问题, 提出了首个仅依赖independence oracle的常数竞争比算法, 竞争比为$1/36$. 该算法在多项式时间内运行, 无需任何关于matroid的额外先验信息, 打破了此前仅对已知graphic matroid存在常数竞争比算法的局限. 这一结果显著推进了MSP猜想的研究, 为在线算法中仅利用oracle信息的场景提供了开创性方法.


\arxivwithtarget{2608.11720}{Distributed Quantum Algorithms Cannot Color Cycles with Probability 1}{Xavier Coiteux-Roy, Maxime Flin, Carlos de Gois, Marc-Olivier Renou, Jukka Suomela, Isadora Veeren}\textbf{cs.DS}.

本文研究了分布式量子算法在匿名环上以概率1找到3-着色的通信复杂度下界, 证明任何此类算法需要$\Omega(n)$轮通信, 表明量子计算与通信在此问题上无优势. 该工作提出了一种“真正量子”的下界技术, 但主题与关键词列表(如code, context, spectral等) 关联较弱.


\arxivwithtarget{2608.11858}{A Tight Scale-Locality Bound for Partial Detection in Non-Adaptive Group Testing}{Nader H. Bshouty}\textbf{cs.DS}.

本文研究了非自适应随机group testing(分组检测) 中部分检测问题(即仅需找到任意$\ell$个缺陷品, 但缺陷品总数$d$未知) 的测试复杂度下界. 作者证明了匹配的下界$\Omega(\ell\log^2(n/\ell))$, 结合已知上界$O(\ell\log^2(n/\ell))$, 完全确定了该问题的随机非自适应复杂度为$\Theta(\ell\log^2(n/\ell))$. 证明核心在于信息论分析: 固定$d$时需约$\ell\log(n/d)$比特信息, 而单个测试仅在其规模与$d$的尺度匹配时才有信息量, 跨所有对数尺度累加得到下界. 该结果解决了Bshouty和Haddad-Zaknoon提出的开放问题, 填补了部分检测在未知$d$情形下的复杂度空白.


\arxivwithtarget{2608.12075}{Polynomial-Time Singular Witnesses for Non-SNS Sign Patterns}{Tao Jiang, Minbo Gao, Shaowei Cai}\textbf{cs.DS}, cs.DM.

本文针对sign-nonsingularity问题(判断所有具有给定符号模式的实矩阵是否非奇异) 给出了一个确定性的polynomial-time算法. 该算法对于任意square sign pattern $A$, 要么报告其为sign-nonsingular, 要么输出整数矩阵$B$和非零整数向量$z$使得$\operatorname{sgn}(B)=A$且$Bz=0$, 从而为否定情形提供了精确的数值witness. 算法通过normalizing a perfect matching后利用even directed cycle产生两个符号相反的determinant项, 通过逐坐标调整其大小构造出affine sign-changing step, 并取有理零点去分母得到整数解. 该结果解决了Handbook of Satisfiability中的Conjecture 14.12.4, 且输出规模具有多项式比特复杂度.


\arxivwithtarget{2608.12115}{Going in Circles: Collaborative Multi-Robot Treasure Hunting}{Bogumil Kaminski, Pawel Pralat, Maria Sadza}\textbf{cs.DS}, cs.CG, cs.DM.

本文研究多机器人协作搜索单位圆上未知宝藏的问题, 通过求解单机器人已知位置的最优路径问题, 为原搜索问题提供了显式的上下界.


\arxivwithtarget{2608.12171}{Strongly Polynomial Parallel Maximum Flow Revisited}{Adam Karczmarz, Paweł Pilarski}\textbf{cs.DS}.

本文研究带实数容量的有向网络最大流问题的并行算法, 提出一种随机化并行实现, 其work为$\tilde{O}(mn)$, depth为$\tilde{O}(m)$, 改进了先前强多项式并行最大流算法在work与depth间的权衡. 该结果与关键词列表无直接关联.


\arxivwithtarget{2608.12176}{Harmonic Ranking for Edge-Weighted Oblivious Matching}{Bo Peng, Zhihao Gavin Tang}\textbf{cs.DS}.

本文研究边加权 oblivious bipartite matching 问题, 提出 Harmonic Ranking 算法, 通过计算机辅助证明将竞争比提升至 $0.698$, 并推广至顶点加权随机到达模型. 该算法基于调和优先级和角色对称的 Ranking 泛化, 但方法主要依赖计算验证, 与关键词关联较弱.


\arxivwithtarget{2608.12224}{Faster Exponential Algorithms for Multi-Machine Scheduling Problems}{Anubhav Dhar, Anita Dürr, Ahmed Ghazy, Jakob Greilhuber, Karol Węgrzycki}\textbf{cs.DS}.

本文研究了多机调度问题$P \mid \mid \Sigma w_j C_j$和$P \mid \mid \Sigma w_j U_j$的精确指数时间算法, 将已知的${O}^{\star}(3^n)$界分别改进为${O}(2.755^n)$和${O}^{\star}(2^n)$, 并探讨了在Asymptotic Rank Conjecture假设下Bin Packing问题的改进可能性. 该工作属于算法设计与复杂度优化领域, 与关键词列表中的主题无直接关联.


\arxivwithtarget{2608.12289}{Asymmetric Palette Sparsification, Slightly Simplified}{Andrew McGregor}\textbf{cs.DS}.

本文简化了Assadi和Yazdanyar关于非对称调色板稀疏化(asymmetric palette sparsification) 的分析, 主要出于教学目的, 避免了超几何集中不等式和调色板大小中的额外常数因子.


\section{others}
\arxivwithtarget{2509.16749}{Evaluating LLM Generated Detection Rules in Cybersecurity}{Anna Bertiger, Bobby Filar, Aryan Luthra, Stefano Meschiari, Aiden Mitchell, Sam Scholten, Vivek Sharath}\textbf{cs.CR}, cs.AI.

本文提出了一个开源评估框架和基准指标, 用于衡量LLM生成的网络安全检测规则的有效性, 通过保留集方法对比人类生成的规则语料库, 并基于专家评估方式设计了三个关键指标. 该工作主要面向安全领域应用, 与关键词列表中的核心主题关联较弱.


\arxivwithtarget{2608.11223}{Transit Destination Inference from Tap-In-Only Bus Smart-Card Data: A Hierarchical Bayesian Approach}{Gefei Zhao, Jiahe Ling, Yuelong Su}\textbf{stat.AP}, cs.LG, eess.SY, stat.ML.

本文提出了一种Hierarchical Bayesian Latent-Destination (HBLD)模型, 用于从仅含上车记录的公交智能卡数据中推断乘客目的地, 并结合网络、时间、天气和历史需求信息进行估计. 模型通过随机变分推断拟合, 在常州公交数据上优于基线方法, 但主要贡献局限于应用层面的OD矩阵构建, 与关键词列表中的核心主题关联较弱.


\arxivwithtarget{2608.11239}{Reinforcement Learning based DBMS Buffer Pool Auto-Tuning for Optimal Memory Utilization}{Yifan Wang, Patrick Royer, Raphaël Féraud, David Delande}\textbf{cs.DB}, cs.AI.

本文提出MicroTune, 一个基于强化学习的数据库缓冲池自动调优系统, 旨在减少内存浪费并保证SLA合规. 实验表明其在多种工作负载下优于基线, 但方法主要为工程应用, 缺乏理论或方法上的开创性.


\arxivwithtarget{2608.11251}{Variable Selection in the Context of AI Fairness}{Ivan Luciano Danesi, Chiara Frigerio, Fabio Maccaferri, Giorgio Alessandro Motta, Pietro Zecca}\textbf{cs.CY}, cs.AI, cs.LG.

本文探讨了AI公平性中的变量选择问题, 提出保留所有相关变量以减少隐式偏差, 并强调数学方法与伦理及法规(如EU AI Act) 的跨学科结合. 文章主要从哲学和社会意识角度讨论公平性评估, 未涉及具体数学创新或与关键词相关的技术方法.


\arxivwithtarget{2608.11259}{Methodologies for Improving the Quality of AI Tutoring in K-12 Education}{Tushar Udeshi, Anna Khazenzon, Kabir Khan, Nick Breen, RJ Corwin, Chris DiGiano, Kodi Weatherholtz, Marek Zaluski}\textbf{cs.CY}, cs.AI.

本文介绍了Khan Academy的AI辅导系统Khanmigo在K-12教育中的质量评估与实验改进方法, 包括模型、提示、个性化和智能体等方面的调整及其对指标的影响.


\arxivwithtarget{2608.11261}{Temperature-Driven Sequential Modeling for the Prediction of Annual Power Conversion Efficiency Profiles of Organic Photovoltaic Materials: Douala Case Study}{Steve Cabrel Teguia Kouam, Rockefeller Rockefeller, Raoult Dabou Teukam, Jean-Pierre Tchapet Njafa, Patrick Sorrel Mvoto Kongo, Jean-Pierre Nguenang, Serge Guy Nana Engo}\textbf{cond-mat.mtrl-sci}, cs.LG, physics.chem-ph.

本文提出了一种结合GFN2-xTB分子动力学与等变图神经网络代理及序列深度学习模型的气候原生计算框架, 用于预测有机光伏材料在热带地区(以喀麦隆杜阿拉为例) 的年功率转换效率曲线, 并引入季节性稳定性评分对候选分子进行重排序. 该工作主要面向材料科学应用, 与关键词列表中的概念关联较弱.


\arxivwithtarget{2608.11269}{CosMAP: Contrastive Manifold Approximation and Projection for Dimensionality Reduction of Omics and Genealogical Data}{Fenosoa Randrianjatovo, Maya Saleh, Simon Girard, Amadou Barry}\textbf{q-bio.GN}, cs.LG, stat.CO, stat.ME.

本文提出了一种基于图的非监督降维方法CosMAP, 通过结合余弦相似度邻域和对比学习目标来改进UMAP框架, 并在单细胞RNA测序和谱系数据上展示了更好的嵌入质量. 该方法主要面向生物信息学应用, 与关键词关联较弱.


\arxivwithtarget{2608.11271}{Hardware-Aware Deployment of Joint SAR Compression and Despeckling on FPGA}{Cédric Léonard, Francescopaolo Sica, Martin Schulz}\textbf{eess.IV}, cs.LG.

本文探讨了在FPGA平台上部署联合SAR图像去斑与压缩框架的方法, 通过模型适配和多种拓扑评估, 发现ReLU优于GDN且残差块收益有限, 并验证了FPGA的能效优势. 该工作主要面向工程部署, 与关键词关联较弱.


\arxivwithtarget{2608.11274}{Agent Safety Should Be a Runtime Contract}{Albus W. Ng, Yi Han, Jusheng Zhang, Wenhao Wang}\textbf{cs.CR}, cs.AI.

本文提出Agent安全应被视为运行时契约(runtime contract) , 而非仅通过RLHF、DPO等训练阶段注入的属性. 作者基于52起安全事故调查、31例虚假完成审计、12个公开agent系统的轨迹模式审计及28,560篇NeurIPS/ICML/ICLR论文的标题级审计, 论证了预防性(sandbox、permission gates) 与证据性(test runs、file diffs) 双重契约的必要性, 并形式化Agent Trajectory Schema与Evidence Chain, 提出基于monitor composition的compositional gating命题. 该工作为agentic AI的安全保障提供了以trajectory-with-checkable-evidence为基本单元的新范式, 与关键词agent高度契合.


\arxivwithtarget{2608.11275}{Every pooling rule has its world: matching probability combination rules to situations and stakes}{Tanel Tammet, Priit Järv, Dirk Draheim}\textbf{stat.ME}, cs.AI.

本文探讨了不同概率组合规则(如平均、odds相乘等) 的适用条件, 并通过Monte Carlo实验验证了规则匹配与不匹配时的效果差异, 指出二元决策阈值可能掩盖概率差异. 该研究属于统计方法应用层面, 与关键词中的code、spectral、Muon、pretrain、agent、attention等无直接关联.


\arxivwithtarget{2608.11280}{Uncertainty-Aware and Explainable Ensemble Deep Learning Framework for Multi-Class Skin Lesion Classification}{Rofiqul Islam, Lilatul Ferdouse}\textbf{eess.IV}, cs.AI, cs.CV, cs.LG.

本文提出了一种结合视觉Transformer与CNN的深度集成学习框架, 用于皮肤病变多分类, 利用MC Dropout估计不确定性并通过Grad-CAM++提供可解释性, 在HAM10000数据集上取得较高准确率. 该工作属于应用型改进, 与关键词关联较弱.


\arxivwithtarget{2608.11282}{Physics-Informed Implicit Neural Representations for Improved Myocardial Perfusion MRI Quantification}{Christos Tsepas, Chang Yan, Maximilian Fuetterer, Sebastian Kozerke, Cian M Scannell}\textbf{eess.IV}, cs.AI, cs.LG.

本文提出将时空隐式神经表示(INR) 与物理信息神经网络(PINN) 相结合, 用于心肌灌注MRI的示踪剂动力学参数估计, 以提高参数估计的准确性和鲁棒性. 在模拟数据集上验证了该方法优于传统非线性最小二乘拟合及先前PINN框架, 但方法属于对现有框架的增量改进, 与关键词关联较弱.


\arxivwithtarget{2608.11283}{Chemically Meaningful Textualization Enables Explainable Validation of Metal-Organic Frameworks by Large Language Models}{Guobin Zhao, Xiao-Yan Li}\textbf{cond-mat.mtrl-sci}, cs.AI.

本文提出将金属有机框架(MOF) 的晶体结构信息转化为化学上有意义的文本表示, 利用大型语言模型(LLM) 进行可解释的结构合理性验证, 并发现特定描述符(如mof2text) 能使微调后的LLM在识别不合理结构上达到与图模型相当的性能, 同时生成诊断性解释. 该工作主要面向材料科学的数据筛选应用, 与关键词列表中的核心概念关联较弱.


\arxivwithtarget{2608.11285}{SegPAR: Class-Centric Decision-Based Sparse Attack for Semantic Segmentation}{Dongsu Song, DaeYun GO, Boseung Seo, Jay Hoon Jung}\textbf{cs.CV}, cs.AI, cs.CR, cs.LG.

本文针对语义分割中的稀疏决策型黑盒攻击问题, 提出了一个类中心探索框架SegPAR, 并引入新的差异奖励以消除误导性反馈. 实验表明该方法在稀疏效率和MIoU降低上优于黑盒基线, 但方法创新性有限, 与关键词契合度不高.


\arxivwithtarget{2608.11286}{Benchmarking Cyberattack Detection in Electric Vehicle Charging Infrastructure with Benign User Updates}{Hannan Chen, Roshni Anna Jacob, Jie Zhang}\textbf{cs.CR}, cs.LG, eess.SY.

本文针对电动汽车充电基础设施中的网络攻击检测问题, 构建了一个会话级基准测试, 并比较了多种检测模型. 提出的Dual-Branch Masked-Autoencoder Transition Boost模型通过状态与转移双分支评估请求正常性, 在验证中表现最优, 但方法本身属于特定应用场景下的工程性改进, 缺乏开创性或与关键词的显著关联.


\arxivwithtarget{2608.11287}{CLEAR: Class-wise Expert Aggregation with Structured Sampling for Long-Tailed Classification}{Gawon Lim}\textbf{cs.CV}, cs.AI, cs.LG.

本文提出CLEAR框架, 通过结构化采样生成多个专家模型, 并利用类级信任分数进行聚合, 以提升长尾分类性能. 实验表明该方法在多个基准上取得有竞争力的结果, 但未涉及关键词相关领域.


\arxivwithtarget{2608.11288}{Uncertainty-Aware Compositional Localization and Placement Assessment of Catheters and Tubes in Chest X-Rays}{Harshil Lodhiya}\textbf{eess.IV}, cs.CV, cs.LG.

本文提出UCompCXR框架, 通过检测导管局部片段、图聚类关联设备实例及高斯估计融合尖端预测, 在胸部X光片上实现导管和管路的组合式定位与放置评估, 相比基线提升了设备检测率并降低了误报.


\arxivwithtarget{2608.11291}{Dueling Deep Q-Learning for Intrusion Detection}{Logan Luna, Matthew P. Berkowitz, Laxima Niure Kandel, Sirio Jansen-S'anchez}\textbf{cs.CR}, cs.LG.

本文提出了一种基于奖励的dueling Q-learning模型用于入侵检测, 在CIC-IDS2018数据集上达到99.68%的平均准确率, 并集成SHAP提供可解释性. 该方法属于强化学习在网络安全领域的应用, 与关键词关联较弱.


\arxivwithtarget{2608.11295}{Backdoor Decontamination Dynamics in LLM Agents}{Gabriel Huang, Abhay Puri, Léo Boisvert, Alexandre Drouin, Perouz Taslakian, Spandana Gella, Christopher Pal}\textbf{cs.CR}, cs.AI.

本文研究了LLM agents中后门污染的清除动力学, 通过防御性投毒与反学习策略, 在115个实验中观察原始后门的擦除与残留现象, 并利用J-lens可视化模型内部状态. 实验表明该方法能清除大部分后门, 但触发感知痕迹仍存留于中间层.


\arxivwithtarget{2608.11317}{Clinical Feasibility of Low-Magnification Fluorescence Imaging for Breast Cancer Margin Detection Using Texture Analysis and Deep Learning}{Pouya Afshin, Tianling Niu, Tongtong Lu, David Helminiak, Julie Jorns, Mollie Patton, Tina Yen, Donghye Ye, Bing Yu}\textbf{cs.CV}, cs.AI, cs.LG.

本文评估了低倍率(4x) 与高倍率(10x) MUSE荧光成像在乳腺癌手术切缘检测中的临床可行性, 采用基于局部二值模式的纹理分析和Vision Transformer深度学习进行图像分类. 结果表明4x与10x倍率在诊断准确性上无显著差异, 且4x具有更大视野和更快采集速度, 支持其在术中切缘评估中的有效应用.


\arxivwithtarget{2608.11321}{Spectral graph clustering with inhomogeneous latent geometry}{Konstantin Avrachenkov, Lucas S. Sibemberg, Alexander Van Werde}\textbf{cs.SI}, cs.LG, math.PR, stat.ML.

本文针对存在混淆潜在几何(confounding latent geometry) 的谱聚类问题, 提出了一种新的密度基谱聚类算法DBSPEC. 作者在块潜在空间模型(block latent-space model) 中证明, 尽管前导特征向量可能被潜在几何主导, 但社区信息可以从谱中更深处的特征向量中恢复. 该算法仅需对信息特征值进行近似定位, 且对特征值分离不佳具有鲁棒性, 并突破了先前工作中对均匀环面模型的限制, 适用于一般潜在几何. 理论预测的信息特征值位置与真实实验观测一致, 为谱聚类在复杂潜在结构下的应用提供了新视角.


\arxivwithtarget{2608.11322}{Socioduality: A Relational Process Framework for Human-AI Interaction}{Mehmed Zahid Çögenli}\textbf{cs.HC}, cs.AI.

本文提出了一种名为socioduality的关系过程框架, 用于分析人机交互中双方贡献的序列性和互惠性形成机制, 并通过实证协议进行了初步校准. 该工作主要属于人机交互领域的概念构建, 与关键词列表中的主题关联较弱.


\arxivwithtarget{2608.11335}{Dual-Domain Cross-Modal Decoding for Clinical Text-Guided Medical Image Segmentation}{Md Maklachur Rahman, Tracy Hammond}\textbf{cs.CV}, cs.AI, eess.IV.

本文提出Dual-Domain Cross-Modal Decoding (DD-CMD)框架, 用于临床文本引导的肺部感染分割, 在解码阶段同时利用空间域和频率域的语言引导. 空间域中, Text-Guided Spatial Cross-Attention (TGSA)通过门控残差融合对齐多尺度视觉token与文本语义; 频率域中, Spectral-Text Adaptive Modulation (STAM)基于2D DCT计算可学习的频带能量统计, 并预测文本条件FiLM参数以重校准解码器通道. 该方法在QaTa-COV19和MosMedData+数据集上分别达到91.46% Dice和81.95% Dice, 较最强基线平均提升+1.96 Dice和+2.67 mIoU, 其将频率域信息与文本条件调制结合的方式在医学图像分割中具有创新性, 且与关键词中的spectral和attention高度契合.


\arxivwithtarget{2608.11340}{Self-evolving network verifiers}{Ioannis Protogeros, Tibor Schneider, Laurent Vanbever}\textbf{cs.NI}, cs.AI.

本文提出了一种自进化网络验证器框架, 利用编码代理和可信预言机(如模拟路由器) 在反例引导循环中自动扩展符号验证器的模型, 以匹配实际网络行为. 原型系统展示了OSPF区域、BGP路由反射等特性的自动学习能力, 但方法仍处于早期阶段, 与关键词关联较弱.


\arxivwithtarget{2608.11344}{Governing Agentic AI in FinTech}{Henry Han}\textbf{cs.CY}, cs.AI, q-fin.RM.

本文探讨了FinTech中agentic AI系统的治理问题, 提出“Verifiability Gap”概念, 并通过多研究验证了可验证性而非能力是治理的关键约束, 但未涉及关键词中的核心主题.


\arxivwithtarget{2608.11362}{RevCRN: Reversible Analog Computation using Chemical Reaction Networks}{Saptarshi Biswas, James I. Lathrop, Rana D. Parshad}\textbf{cs.CC}, cs.CL, math.DS.

本文研究了可逆化学反应网络(RevCRN) 计算实数的能力, 建立了若干实数可计算类(如Lyapunov CRN、Real-Time CRN、有理数等) 之间的包含关系, 并探讨了RevCRN内部的计算层级. 该工作属于理论计算模型领域, 与所提供关键词关联度较低.


\arxivwithtarget{2608.11363}{Adaptation of Generalist Robot Policies with Minimal Data}{Shreyas Kowshik, Sreyas Venkataraman, Leo Wang, Niharika Pant, Max Simchowitz, Aviral Kumar}\textbf{cs.RO}, cs.LG.

本文提出MiDAS方法, 一种最小数据适应框架, 用于将预训练的通用机器人策略(VLA) 通过单次或少量演示进行行为克隆(behavior cloning) 锚定到目标任务, 再基于残差策略参数化(residual policy parameterization) 进行基于价值的在线强化学习(value-based online RL) 改进. 该方法在LIBERO和RoboCasa基准上从单次演示即可恢复强任务性能, 并在双机械臂YAM平台上通过约6小时在线交互提升策略鲁棒性, 首次展示了从单次任务演示进行可靠机器人策略适应的能力. 该工作与关键词中的“agent”和“pretrain”高度契合, 解决了机器人学习中从少量人类数据到自主改进的长期挑战.


\arxivwithtarget{2608.11367}{Gaze Target Estimation Anywhere with Concepts}{Xu Cao, Houze Yang, Vipin Gunda, Zhongyi Zhou, Tianyu Xu, Adarsh Kowdle, Inki Kim, James M. Rehg}\textbf{cs.CV}, cs.AI.

本文提出了一种新的端到端概念驱动的注视目标估计任务(PGE) , 通过文本或视觉提示指定分析对象, 并构建了数据集Gaze-Co和模型GazeAnywhere, 以融合冻结编码器特征实现主体定位与注视估计. 该方法在多个基准上取得先进性能, 但未涉及关键词中的核心主题.


\arxivwithtarget{2608.11392}{AI Guardrail Survival under Single-Cycle Agentic Self-Summarization}{Ted Kwartler, Alan Aqrawi, Arian Abbasi}\textbf{cs.CR}, cs.AI.

本文研究了长期运行的agent在上下文压缩(compaction) 过程中安全约束的丢失机制, 发现仅检查规则文本存在性并不能保证其行为有效性, 退化残留规则常导致模型执行被禁止行为. 实验表明规则形式条目保留率高于事实, 但丢失模式依赖压缩预算, 且运行时不可检测.


\arxivwithtarget{2608.11395}{Exploring the Social Life of Data: Finding Data You Can Trust}{Penny R. Atkins, Manish Parashar}\textbf{cs.SI}, cs.IR.

本文探讨了在人工智能驱动的科学研究中, 如何利用数据使用图(data-usage graphs) 作为新的数据基础设施层, 通过连接数据集与出版物、人员、机构等上下文信息来评估数据的可信度和适用性, 并在National Data Platform中实现了原型服务.


\arxivwithtarget{2608.11396}{Generative Learning for Quantum Measurement Design}{Jun Dai, Olivier Nahman-Lévesque, Guillaume Rabusseau, Hong-Ye Hu, Cunlu Zhou}\textbf{quant-ph}, cs.LG.

本文提出FlowMeas, 利用生成流网络在有限测量预算和硬件约束下直接采样浅层Clifford测量电路, 以平衡统计效率与实现资源. 实验表明其在分子哈密顿量估计中优于现有方法, 并支持策略复用, 但方法属于应用性改进, 与关键词关联较弱.


\arxivwithtarget{2608.11444}{Large-scale AI-Ready Data for Anti-Cancer Drug Response Modeling}{Vincent Lavelle, Yitan Zhu, Kaitlyn Marlor, Thomas Brettin, Rick Stevens}\textbf{q-bio.QM}, cs.LG.

本文通过整合PharmacoDB等数据源, 大幅扩展了IMPROVE基准数据集, 包含数百万药物响应测量和超过5万种化合物, 并训练DRP模型评估其性能. 结果显示扩展数据在drug-blind和disjoint设置下提升泛化能力, 为抗癌药物反应预测提供了更丰富的社区资源.


\arxivwithtarget{2608.11451}{Herding End-to-End Autonomous Driving via Neuro-Symbolic Safety Guards}{Simón Patiño Idarraga, Erick Silva, Rehana Yasmin, Ali Shoker}\textbf{cs.RO}, cs.AI, eess.SY.

本文提出一种神经符号安全防护模块, 用于端到端自动驾驶代理, 在命令到达车辆前检查并替换为安全替代方案, 无需重训练. 实验表明该模块在Fail2Drive和Bench2Drive基准上提升了成功率并减少了安全关键碰撞, 但方法较为工程化, 与关键词关联度低.


\arxivwithtarget{2608.11452}{TangPoetryBench: A Multi-Dimensional Benchmark and Rubric-Conditioned Evaluator for Poetry-to-Image Generation}{Haoqi Hu, Tongji Luo, Li Zhang, Boning Zhou}\textbf{cs.CV}, cs.AI.

本文构建了TangPoetryBench基准, 包含320首唐诗与4个T2I模型生成的1280张图像及十维度人工标注, 并提出了PoemAutoEvaluator评估器以衡量诗歌到图像生成的质量. 该工作聚焦于文学内容生成评估, 与关键词列表中的主题关联较弱.


\arxivwithtarget{2608.11469}{The Next Challenge for Agentic Cybersecurity: A Realistic, Contamination-Free Reverse Engineering Benchmark}{Jeremy Spence, Nicholas Assaderaghi, Jinhao Zhu, Nikil Ravi, Raluca Ada Popa, Guannan Wei, Yangruibo Ding, Zhuo Zhang}\textbf{cs.CR}, cs.AI, cs.SE.

本文提出了SRE-Bench, 这是首个同时满足真实性与无污染要求的逆向工程(RE)基准, 由RE专家耗时超过5000小时从零构建, 包含19个私有、真实规模(平均16.9K行代码) 的程序, 并开发了44种内部反分析原语, 生成262个二进制实例和1572个确定性评分任务. 评估表明, 在五个前沿LLM(如GPT-5.6-sol、Claude-Opus-5等) 中, 最强的GPT-5.6-sol仅达到61.4%的实例级得分和31.5%的完全解决率, 且agent行为与人类工程师显著不同, 对编译器优化和静态链接不敏感. 该工作揭示了源代码级安全能力无法直接迁移到二进制分析, 为agentic cybersecurity提供了严格的测试平台, 与关键词中的agent和context高度契合.


\arxivwithtarget{2608.11472}{Gaussian Meta-Space Augmentation for Stacking Ensembles in Multimodal IPMN Risk Stratification}{Max A. Nelson, Eminenur Sen Tasci, Zhixiang Wang, Zongwei Zhou, Halil Ertugrul Aktas, Andrea M. Bejar, Elif Keles, Ziliang Hong, Sıtkı Safa Taflan, Muhammed Enes Tasci, Frank H. Miller, Michael B. Wallace, Rajesh N. Keswani, Gorkem Durak, Ulas Bagci}\textbf{cs.CV}, cs.LG.

本文提出cUPMI方法, 通过类条件高斯增强集成学习组合器的log-probability元特征, 用于多模态IPMN胰腺癌风险分层. 实验表明该方法对高容量树组合器有一定正则化效果, 但整体提升有限, 主要贡献在于多模态融合的实证分析.


\arxivwithtarget{2608.11475}{Probing and steering biology across Boltz-1s trunk-diffusion boundary}{Piotr Jedryszek, Tongmeng Xie, Adam Winnifrith, Alexander Hasson, Weronika Ślesak, George Wicks, Toby Winnifrith, Oliver M. Crook}\textbf{q-bio.QM}, cs.LG.

本文通过线性探针、稀疏自编码器和因果干预, 分析了Boltz-1结构预测器中trunk与diffusion模块间的生物学信息传递, 发现二级结构可迁移而序列化学信息被削弱, 且线性可解码性不保证因果影响. 研究提供了相关模型与代码, 但方法较为常规, 与关键词契合度低.


\arxivwithtarget{2608.11480}{Forward Trajectory Steering for Hamilton-Jacobi Reachability Analysis}{Sungje Park, Stephen Tu}\textbf{eess.SY}, cs.LG.

本文提出了一种基于PINN的Hamilton-Jacobi可达性分析求解器STEER2REACH, 通过利用当前值函数诱导的最优控制和扰动信号来构造自适应配点采样分布, 以提升安全值函数的求解精度. 该方法在多个基准上取得了与现有方法相当或更优的性能, 但整体属于对现有PINN框架的改进性工作.


\arxivwithtarget{2608.11492}{Cross-Corpus Evaluation of Generalizable Vulnerability Detection in IoT Firmware}{Sadib Hassan Rumman, Md. Shariful Islam, Md. Rayhanur Rahman}\textbf{cs.CR}, cs.LG.

本文构建了IoTVulBench基准数据集, 用于评估IoT固件漏洞检测模型的跨语料库泛化能力, 并比较了不同训练数据、模型架构和课程学习策略的效果. 研究发现领域匹配的训练数据和课程设计比模型规模更能提升泛化性能.


\arxivwithtarget{2608.11498}{Language-Structured Relational Q-Learning for Threat-Aware Control in Safety-Critical Driving}{Aditya Humnabadkar, Huaizhong Zhang, Ardhendu Behera}\textbf{cs.CV}, cs.ET, cs.LG.

本文提出Language-Structured Relational Q-Learning方法, 通过Ego-Centric Relational Q-Network (ERQ-Net)在动态交通图中联合学习车辆间相关性和动作价值, 以语言描述指导训练并隐藏语义提示. 实验表明该方法能提升威胁感知能力, 但存在识别-控制差距, 训练策略未显著优于恒定动作, 且简单策略组合可解决更多场景.


\arxivwithtarget{2608.11500}{Strengthening Full Justified Representation: Efficient Verification and Computation}{Nicholas Teh}\textbf{cs.GT}, cs.AI, econ.TH.

本文提出FJR+, 一种对Full Justified Representation (FJR)和EJR+的严格加强, 并证明其可在多项式时间内验证和满足. 作者分析了Residual-Budget Greedy (RBG)算法, 证明其选择的partial committee的每个size-$k$ completion都满足FJR+, 并利用sequential Phragmén获得priceable completion, 同时将结果扩展到approval-based participatory budgeting.


\arxivwithtarget{2608.11510}{Conflict and Congruency Effects in Large Language Models: In-Weight and In-Context Competition in a Verbal Conflict Task}{Xiaoyang Hu, Mike Angstadt, Shane Storks, Zan Huang, Aman Taxali, Alex Weigard, Richard L. Lewis, Chandra Sripada}\textbf{q-bio.NC}, cs.AI.

本文引入了一个纯语言的大语言模型冲突任务, 通过因果归因和注意力分析等方法, 研究了LLM中默认倾向与规则映射之间的竞争机制, 并探讨了微调对一致性和冲突性条件的不同影响. 该工作为理解认知冲突效应提供了计算层面的类比, 但与关键词列表关联较弱.


\arxivwithtarget{2608.11513}{Do Influence Tactics Matter? Investigating Prompt Framing Effects in LLM Code Generation}{Alex Deaconu, Anubhav Gupta, Manaal Basha, Nicholas Haydu, Gema Rodríguez-Pérez}\textbf{cs.SE}, cs.AI, cs.CL.

本文研究了基于心理学影响策略的提示框架对LLM代码生成的影响, 发现某些策略(如强调紧迫性) 会降低代码正确性和安全性. 这是首个大规模实证研究, 但方法较为常规, 与关键词关联度低.


\arxivwithtarget{2608.11521}{Keep the Future, Drop the Rollout: RIFT for World Action Models}{Chushan Zhang, Jinguang Tong, Xuesong Li, Yikai Wang, Hongdong Li}\textbf{cs.RO}, cs.AI.

本文研究了世界动作模型(WAMs) 中动作生成是否依赖迭代视频rollout的问题, 提出RIFT方法, 通过学习的anticipation tokens在一次backbone pass中构建完整的future K/V cache, 在LIBERO和RoboTwin 2.0上达到与rollout-based方法相近的成功率并显著降低延迟. 该方法主要关注机器人动作生成效率, 与关键词列表中的code、spectral、Muon、pretrain、agent、attention等主题关联较弱.


\arxivwithtarget{2608.11537}{Generative Semantic Segmentation via an Observable Semantic-Image Interface and Hierarchical Generator Evidence Alignment}{Weize Cai, Yongqi Dong, Zhida Shao, Zixin Fu}\textbf{cs.CV}, cs.AI, cs.LG, eess.IV.

本文提出Semantic Prism框架, 将生成式语义分割建模为条件图像生成与精炼过程, 通过扩散蒸馏的单步生成器渲染语义RGB图像, 并利用像素颜色到固定类颜色码本的逐像素距离定义显式概率接口, 从而避免直接颜色解码带来的颜色漂移和边界混合问题. 该框架引入Hierarchical Generator Evidence Alignment, 在接口logit空间中用零初始化输出投影预测加性残差, 实现多层级生成器特征的空间对齐, 同时保留图像定义接口作为最终分布参考. 此外, 作者提出Contextual Interface--Hierarchy Disagreement (C-IHD)固定读出机制, 无需辅助预测器或额外前向传播即可对剩余像素误差进行排序. 在Cityscapes、BDD100K和ACDC数据集上的实验表明, 该方法显著提升mIoU和校准误差, 且C-IHD在像素误差排序上优于最大softmax概率, 为生成式语义分割提供了新的概率接口与证据对齐范式.


\arxivwithtarget{2608.11540}{A Conceptual Framework for Enhancing Workforce Readiness for Smart Manufacturing in the AI Era}{Dalton Ross Smith, Wilburn Whittington, Alejandro Martinez, Aidan Duncan, Gang Li}\textbf{eess.SY}, cs.AI, cs.CY.

本文提出一个面向AI时代智能制造的人力就绪度框架(Workforce Readiness Level, WRL) , 将技术就绪度等级扩展为九级能力阶段和四支柱评估体系, 并在大学教学实验室中通过89个毕业设计项目进行实例化验证. 该框架主要服务于工程教育评估, 与关键词列表中的数学或算法主题关联较弱.


\arxivwithtarget{2608.11544}{Fine-Tuning Generative Models for Extreme Events via CVaR-Penalized Wasserstein Gradient Flows}{Thejani Gamage, Hyemin Gu, Zhizhen Zhang, Ziyu Chen, Markos Katsoulakis, Luc Rey-Bellet}\textbf{stat.ML}, cs.LG.

本文提出CVaR-GPA算法, 通过CVaR惩罚的Wasserstein梯度流微调生成模型以捕捉重尾分布和极端事件, 在合成与真实数据集上提升了尾部精度. 该方法与关键词列表关联较弱.


\arxivwithtarget{2608.11562}{From Synthesis to Removal: Physics-Grounded Reflection Simulation and Diffusion-Based Video Dereflection}{Zepeng Wang, Jiagao Hu, Fuhao Li, Yuxuan Chen, Fei Wang, Daiguo Zhou}\textbf{cs.CV}, cs.AI, eess.IV.

本文提出一个闭环框架, 包含基于物理的反射视频合成、扩散模型驱动的视频去反射以及基准评估, 并构建了首个视频去反射基准S2R-Bench. 实验表明其性能优于现有方法, 但方法主要为工程性整合, 与关键词关联较弱.


\arxivwithtarget{2608.11580}{RoadWeaver: Large-Scale Lane-Level HD Map Generation from Scratch for Autonomous Driving Simulation}{Yueyuan Li, Zexi Chen, Weijie Xi, Mingyang Jiang, Songan Zhang, Hanyang Zhuang, Ming Yang}\textbf{cs.RO}, cs.AI.

本文提出RoadWeaver框架, 用于从零生成大规模车道级高清地图, 通过粗到细的流程合成全局道路布局并构建车道几何, 实验表明其生成效率与精度优于现有方法, 可直接用于自动驾驶仿真.


\arxivwithtarget{2608.11582}{A Hybrid Framework of Vision Transformer and Gated Recurrent Unit for Detection of Mosquito Diseases}{Danial Sharifrazi, Saadat Behzadi, Nouman Javed, Roohallah Alizadehsani, Prasad N. Paradkar, Asim Bhatti}\textbf{cs.CV}, cs.AI.

本文提出了一种结合YOLO 11M、Vision Transformer (ViT)和卷积GRU (ConvGRU)的三步框架, 用于从视频中检测感染登革病毒的蚊子, 通过去除背景、提取视觉特征并分类时序行为, 在实验中达到88.88%的准确率. 该工作属于应用型方法组合, 未涉及关键词中的核心理论或长期未解问题.


\arxivwithtarget{2608.11585}{Unifying Physical Backpropagation}{Cyrill Bösch, Yigithan Gediz, Hakan Türeci}\textbf{cond-mat.dis-nn}, cs.ET, cs.LG, physics.optics.

本文基于adjoint method提出了一种统一理论, 识别了物理系统能在自身硬件上计算精确梯度的充分条件, 并区分了线性与非线性系统的不同要求. 该工作为物理学习算法提供了理论框架, 但与关键词列表中的主题关联较弱.


\arxivwithtarget{2608.11587}{Robust Multi-Tier Infant-Centered Audio Understanding with Whisper via Structured Speaker Conditioning}{Xulin Fan, Jialu Li, Mohammad Nur Hossain Khan, Kexin Hu, Bashima Islam, Mark Hasegawa-Johnson, Nancy L. McElwain}\textbf{eess.AS}, cs.CL, cs.LG.

本文提出了一种基于Whisper编码器的多层级婴儿音频理解系统, 通过LoRA微调和轻量级Transformer实现长上下文音频标注, 并引入序列平滑损失和家庭特定偏移来提升鲁棒性. 该方法主要针对自然场景下婴儿音频数据稀缺和域偏移问题, 属于应用性改进, 与关键词关联度较低.


\arxivwithtarget{2608.11590}{CookVoice: Unified Framework for Style Controllable Multi-Modal Human Voice Generation}{Haowei Lou, Hye-Young Paik, Dai Jia, Kai Li, Lina Yao}\textbf{cs.SD}, cs.LG.

本文提出CookVoice, 一个统一的多模态、多风格、多任务人类语音生成框架, 将语音分解为内容、韵律和风格三个关键因素, 并通过灵活的对齐策略将控制信号映射到频谱图帧级, 支持文本到语音、文本到歌声、风格可控生成等多种任务. 实验表明其生成质量与现有基线相当, 且参数规模小、推理高效.


\arxivwithtarget{2608.11597}{IoT-Enabled Autonomous Maritime Navigation in Smart Ports: A Curriculum-Guided Shared Policy Learning Framework}{Yuqing Lin, Rangya Zhang, Kum Fai Yuen}\textbf{cs.RO}, cs.LG.

本文提出了一种基于课程引导的共享循环策略强化学习框架, 用于物联网智能港口中自主船舶在部分可观测和密集交通条件下的导航, 通过集中训练和边缘端执行提升部署可扩展性与鲁棒性. 仿真实验表明该方法在导航可靠性、避碰和训练稳定性上优于基线, 并能泛化到未见的高密度场景.


\arxivwithtarget{2608.11627}{Deep Learning Based Relative Transfer Matrix Estimation for Multiple Sources and Multiple Microphones}{Oshan A. B. Yalegama, Wageesha N. Manamperi}\textbf{eess.AS}, cs.AI, eess.SP.

本文提出三种基于深度学习的Relative Transfer Matrix (ReTM)估计框架, 包括时域和短时频域卷积网络及LSTM递归网络, 相比传统协方差方法在多个客观指标上估计更准确, 并验证了其在语音增强中的有效性.


\arxivwithtarget{2608.11632}{Beyond Memory: A Transactional Continuity Kernel for Long-Lived AI Agents}{Jun He, Deying Yu}\textbf{cs.MA}, cs.AI.

本文提出了一种名为Continuity Kernel (CK)的激活协议, 用于管理长期运行的AI agent的状态治理, 通过将候选评估与原子状态激活解耦, 确保状态更新的权威性和连续性. 该协议在有限状态模型中验证了其正确性, 但方法主要面向工程实现, 缺乏理论或算法层面的开创性.


\arxivwithtarget{2608.11634}{CAM-Guided Saliency Cutout and Image-Based Malware Classification}{Yasaman Ebrahimi, Martin Jurecek, Mark Stamp}\textbf{cs.CV}, cs.LG.

本文探讨了基于HiResCAM的显著性引导cutout方法在恶意软件图像分类中的应用, 并与随机cutout及无cutout进行了对比实验. 结果表明该方法在恶意软件图像上效果不佳, 但在自然图像上略有提升, 说明其价值具有领域依赖性.


\arxivwithtarget{2608.11643}{Robustness of AI-Art Detectors under Generator Shift}{Shivank Singh Thakur, Meien Li, Mark Stamp}\textbf{cs.CV}, cs.LG.

本文研究了AI艺术检测器在生成器迁移下的鲁棒性问题, 基于Stable Diffusion 3.5 Medium数据集评估了五种检测器的跨生成器性能, 发现深度学习模型在分布内表现良好但跨生成器时性能显著下降, 其中CLIP ViT-L/14表现最佳. 该工作揭示了当前检测器的泛化差距, 但方法较为常规, 与关键词列表关联度低.


\arxivwithtarget{2608.11648}{A Quantum/Classical Example Oracle Separation for Making Things Up}{Kenny Chen}\textbf{quant-ph}, cs.LG, stat.ML.

本文研究了PAC学习框架中量子样本与经典样本在量子计算能力下的学习差异, 通过构造一个oracle证明了存在某些分布可由量子样本高效生成而经典样本无法实现, 为该问题提供了部分进展.


\arxivwithtarget{2608.11650}{Confucius4-TTS: Transcript-Free Cross-Lingual Zero-Shot TTS with a Learnable Speaker Encoder}{Huaxuan Wang, Huimin Wang, Ruiyu Zhang, Yingjie Li, Yitao Duan}\textbf{cs.SD}, cs.CL.

本文提出Confucius4-TTS, 一种无需音频提示转录的多语言零样本TTS系统, 采用两阶段架构(text-to-semantic和semantic-to-acoustic) , 通过可学习说话人编码器提取音色特征, 支持跨语言语音克隆, 并在公开基准上取得较好性能.


\arxivwithtarget{2608.11655}{Motion-as-Prompt: Enhancing Motion Reasoning in Multimodal Large Language Models via Motion-Guided Cross-Frame Visual Prompting}{Xikai Sun, Kebin Liu, Haotian Wang, Li Liu, Xu Wang, Yunhao Liu}\textbf{cs.CV}, cs.AI.

本文提出Motion-as-Prompt (MaP)框架, 通过恢复密集点轨迹并在视频帧上标记跨帧运动信息, 增强多模态大语言模型在运动推理任务中的表现, 实验显示在CLEVRER和Something-Something-v2上均有提升, 且无需模型训练或架构修改. 该方法与关键词列表中的概念关联较弱.


\arxivwithtarget{2608.11681}{Learning from Multimodal Pseudo-Labels for Robust Open-Vocabulary Instance and Panoptic Segmentation}{Duy Tran Thanh, Yeejin Lee, Byeongkeun Kang}\textbf{cs.CV}, cs.AI, cs.MM.

本文提出了一种多模态框架, 利用预训练的vision-language模型自动生成伪标签, 并通过CLIP同义词过滤和GPT描述重建来提升开放词汇实例分割和开放集全景分割的性能, 在COCO数据集上取得了优于现有方法的结果.


\arxivwithtarget{2608.11688}{APEX: Adaptive Expert Prefetching for Memory-Efficient Edge MoE Inference}{Alish Kanani, Layan Badawi, Umit Y. Ogras}\textbf{cs.AR}, cs.AI, cs.LG.

本文提出APEX框架, 通过轻量级预取路由器和置信度模型预测专家参数, 以重叠加载与计算, 提升边缘MoE推理效率. 实验显示其能减少延迟和能耗, 但方法主要针对系统优化, 与关键词关联较弱.


\arxivwithtarget{2608.11732}{Fingerprinting Text-to-Image Diffusion Models via Collapsed Generation}{Yuanmin Huang, Chen Chen, Geng Hong, Xiaoyu You, Hui Xue, Zhenxing Qian, Mi Zhang, Min Yang}\textbf{cs.CR}, cs.AI.

本文提出了一种基于collapsed generation现象的非侵入式文本到图像扩散模型指纹识别框架, 用于知识产权保护. 该方法通过检测模型在特定输入条件下生成高度一致图像的行为特征来验证所有权, 适用于白盒和黑盒访问场景, 并在多种扩散模型上验证了有效性.


\arxivwithtarget{2608.11733}{A 12-CNOT Double Qubit Excitation Gate}{Irfansha Shaik}\textbf{quant-ph}, cs.AI.

本文提出了一种双量子比特激发门(double qubit excitation operator) 的12-CNOT分解方案, 相比现有最优(SOTA) 的13-CNOT实现降低了CNOT数量, 同时优化了CNOT深度和总电路深度. 该工作属于量子电路优化领域, 与关键词列表中的主题无直接关联.


\arxivwithtarget{2608.11738}{Advancing MLLM-based UAV Image Understanding and Reasoning: A Benchmark and a Training-Free Multi-Agent System}{Haoyu Zhang, Shuoxun Zhang, Peng Ye, Lin Zhang, Jiakang Yuan, Shenghong Yi, Yuening Wang, Tao Chen}\textbf{cs.CV}, cs.AI.

本文构建了UAVQA-Bench基准, 包含1,500个来自13个公开UAV数据集的问答对, 覆盖6个能力维度和16项任务, 并系统评估了多种MLLM及agent系统, 识别出领域工具集不匹配、错误传播和静态推理等关键失败模式. 基于此提出UAV-MAS, 一个无需训练的多agent系统, 通过领域特定感知引擎、上下文感知迭代精化模块和难度感知自适应搜索机制提升UAV图像理解与推理性能.


\arxivwithtarget{2608.11739}{G0.5: One Autoregressive Stream for Robot Reasoning and Action}{Yicheng Liu, Zibin Dong, Baijun Ye, Tianyuan Yuan, Tao Jiang, Anqi Yang, Shicheng Cao, Haonan Liu, Yue Sun, Zihan Guo, Xiao Liu, Dong Ke, Changxun Pan, Chenru Wu, Tailai Cheng, Xiaoshu Ren, Xinlei Zhang, Jianning Cui, Zijie Zhao, Haoyu Zhang, Kaiming Xu, Haodong Yang, Bowen Zhang, Jiahui Niu, Shaoting Zhu, Shiduo Zhang, Hang Zhao}\textbf{cs.RO}, cs.AI.

本文提出G0.5, 一种将推理与动作统一于单一自回归流的Vision-Language-Action (VLA)模型, 通过可学习的跨具身action tokenizer将异构机器人动作映射为共享词汇, 并引入原生chain-of-thought流与visual memory模块, 使单个transformer decoder在单一目标下同时生成推理与动作token. 该方法解决了VLA模型中VLM仅作为context encoder而非决策者的问题, 使预训练VLM的能力直接迁移至物理行为, 并在多个真实与仿真基准上超越现有state-of-the-art, 为机器人推理与动作的联合建模提供了开创性框架.


\arxivwithtarget{2608.11741}{JieZi: A Large-Scale Expert-Audited Dataset and Benchmark for Ancient Chinese Character Exegesis}{Ran Li, Huiguo He, Jiahuan Cao, Junle Liu, Hiuyi Cheng, Lianwen Jin}\textbf{cs.CV}, cs.AI.

本文构建了大规模专家审核的古汉字训诂数据集JieZi-Dataset与评测基准JieZi-Bench, 提出古汉字训诂视觉问答任务ACCE, 并实验表明多模态大模型在基础识别上表现良好但在字形分析与语义推理上存在不足.


\arxivwithtarget{2608.11755}{MuseCritic: Learning Multi-Aspect Song Rewards through Natural-Language Aesthetic Critiques}{Jiabao Zhuang, Changhao Jiang, Hanchen Wang, Jiahao Chen, Zhixiong Yang, Zhenghao Xiang, Yifei Cao, Jiajun Sun, Hui Li, Ming Zhang, Tao Ji, Tao Gui, Qi Zhang, Xuanjing Huang}\textbf{cs.SD}, cs.CL.

本文提出MUSECRITIC, 一种半标量奖励模型, 通过生成自然语言审美评论作为中间表示来预测歌曲的连续奖励分数, 并采用两阶段训练流程缓解分布偏移. 实验表明其在歌曲评估和生成模型对齐上优于现有方法, 但方法主要针对歌曲美学评估, 与关键词关联较弱.


\arxivwithtarget{2608.11759}{Automated binary classification of hazelnut X-ray images: A deep-learning benchmark for quality assessment}{Giancarlo Sportelli, Nicola Belcari, Roberta Pace, Umberto Bernardo, Sharmin Sultana, Alessandra Toncelli, Matteo Giaccone}\textbf{cs.CV}, cs.LG, physics.app-ph.

本文基于799张分割后的榛子X射线图像, 评估了多种深度学习模型在健康与缺陷榛子二分类任务中的表现, 发现集成模型和专家重新标注能显著提升分类准确率, 并强调了多折交叉验证在小规模不平衡数据集中的重要性.


\arxivwithtarget{2608.11760}{Tight Nonasymptotic Local Convergence of Sinkhorn-Knopp}{Wenzhi Gao, Zhaonan Qu, Yinyu Ye, Madeleine Odell}\textbf{math.OC}, cs.LG, stat.ML.

本文重新审视了矩阵缩放问题中的Sinkhorn-Knopp算法, 提供了首个非渐近局部收敛分析, 并证明了在连通性条件下该算法为多项式时间算法. 此外, 文中还给出了加速变体并改进了稠密矩阵情形下的一阶算法复杂度.


\arxivwithtarget{2608.11762}{A comparison of CNN architectures for Alzheimer's disease detection in single-view MRI scans}{Hiram Zuniga, Ulises Orozco-Rosas, Kenia Picos}\textbf{eess.IV}, cs.CV, cs.LG.

本文对十种CNN架构在阿尔茨海默病MRI图像分类任务上进行了基准比较, 采用两阶段迁移学习与全微调流程, 发现VGG16表现最佳, 并指出非痴呆到极轻度痴呆阶段的分类困难. 该工作属于应用性benchmark研究, 方法创新性有限.


\arxivwithtarget{2608.11766}{Instruction Alignment for Binary Code Representation Learning}{Huaijin Wang, Shuai Wang}\textbf{cs.SE}, cs.AI, cs.CR.

本文提出利用指令对齐知识来改进二进制代码表示学习, 通过将指令对齐作为辅助训练目标提升函数级嵌入的质量, 实验表明该方法能提高检索准确率并增强模型相似性判断的判别力.


\arxivwithtarget{2608.11770}{Achieving Near-Zero-Overhead Multi-Model Hierarchical Classification in Real-Time Detection Pipelines}{Vaishnav Raju}\textbf{cs.CV}, cs.DC, cs.LG.

本文针对边缘设备上多模型分层推理管线的部署问题, 提出了一种在NVIDIA Jetson DLA上实现分类模型INT8部署的五步方法论, 包括架构适配、量化感知训练和ONNX图优化等, 并通过实验验证了其能实现近零开销的GPU检测与DLA分类并行流水线. 该方法虽具工程实用性, 但主要面向特定硬件平台, 缺乏理论或方法上的开创性, 且与关键词关联较弱.


\arxivwithtarget{2608.11794}{Toward Meaningful Transparency for AI Chatbots: Disclosing Persuasive Intent Reduces Persuasion}{Adrian Rauchfleisch, Andreas Jungherr}\textbf{cs.CY}, cs.AI, cs.HC.

本文通过一项预注册实验, 研究了AI聊天机器人在政策议题对话中的披露方式对其说服效果的影响, 发现仅披露AI身份几乎不改变说服力, 而额外披露说服意图则显著降低其影响. 该研究为AI透明度监管提供了实证依据, 但方法较为常规, 与关键词关联度低.


\arxivwithtarget{2608.11802}{Towards Model-based Run-time Cybersecurity: On Control-Flow Anomaly Detection, Attack Identification, and Hardware Monitoring}{Martin Sachenbacher, Martin Leucker, Alexander Weiss, Aliyu Tanko Ali}\textbf{cs.CR}, cs.AI.

本文提出一种结合软件与硬件监控的模型驱动运行时网络安全方法, 通过控制流异常检测与攻击树识别来提升入侵检测鲁棒性, 并以防伪装攻击为例说明其能改善诊断精度.


\arxivwithtarget{2608.11810}{Can Vision Models Read the Radar Display? On the Feasibility of Radar Imagery for Air Traffic Complexity Estimation}{Hyewook Kim, Byul Kang, Seokbin Yoon, Keumjin Lee}\textbf{cs.CV}, cs.LG.

本文探讨了将雷达图像作为深度学习视觉模型输入用于空中交通复杂度估计的可行性, 通过将交通态势编码为多通道图像并训练Vision Transformer (ViT)回归四个复杂度分量, 验证了该方法的有效性. 结果表明雷达图像虽稀疏且自相似, 但视觉模型仍能捕捉位置变化对复杂度的影响.


\arxivwithtarget{2608.11816}{How China-Origin Vision-Language Models Move from Refusal to Reframing in State Alignment}{Guang Yang, Fengchen Liu, Alex Wang, Homa Hosseinmardi, Amir Ghasemian}\textbf{cs.CR}, cs.AI, cs.CL.

本文构建了一个包含200个核心条目的多模态基准, 系统评估了九种视觉语言模型(VLMs) 在政治敏感话题上的状态对齐行为, 发现中文提示显著增加状态对齐框架的使用, 且中国起源模型比非中国模型更倾向于重构而非拒绝. 研究将审查行为分解为显性拒绝与隐性重构两个独立维度, 揭示了审查从可见行为向不可见行为的迁移.


\arxivwithtarget{2608.11830}{Quantifying the Relationship Between Clinical Safety and Environmental Impact in Therapeutic LLMs}{Alireza A. Safaei, Laura M. Vowels, Matthew J. Vowels, Apoorv Jha, Shekoufeh Rahimi}\textbf{cs.CY}, cs.CL.

本文通过结合K-Bench临床安全评分与EcoLogits生命周期评估, 分析了47种治疗性LLM配置中临床安全性与环境成本的关系, 发现安全评分提升与环境能耗呈非线性权衡, 并建议采用动态模型选择以平衡安全与可持续性.


\arxivwithtarget{2608.11840}{User-Assisted Collaborative Distributed Inference for Efficient QoS-Aware Autoscaling}{Alfreds Lapkovskis, Ali Beikmohammadi, Sindri Magnússon, Praveen Kumar Donta}\textbf{cs.DC}, cs.AI, cs.LG, cs.NI, cs.PF.

本文提出了一种结合专用基础设施与用户贡献资源的协作式分布式推理系统, 并构建了高维生成马尔可夫模型以支持任务调度和QoS感知的资源分配优化. 模拟实验表明, 分布式调度在用户规模增长时能提升请求完成率和P99延迟, 同时降低专用资源消耗.


\arxivwithtarget{2608.11847}{LookBack: Where and How to Score LVLM Responses via Visual Reference Usage}{Beomsik Cho, Jinhyeong Kim, Dongseok Lee, Jaehyung Kim}\textbf{cs.CV}, cs.AI, cs.CL.

本文提出LookBack方法, 通过引入视觉回看分数来评估LVLM响应与图像的关联性, 以改进响应评分. 该方法在多个基准上优于现有基线, 但主要针对视觉语言模型的评分问题, 与关键词列表关联较弱.


\arxivwithtarget{2608.11860}{Two-Stage Deformable-Convolutional Inverse Design of Nanophotonic Absorbers from Optical Spectra}{Waleed Waseer, Muhammad Shahid Jabbar, Muhammad Sohail Ibrahim, Shujaat Khan}\textbf{physics.optics}, cs.AI, cs.CV.

本文提出了一种两阶段可变形卷积框架, 用于从吸收光谱重建金属-绝缘体-金属谐振器几何结构, 通过监督学习和对抗性细化提升重建精度. 实验表明该方法在PSNR、SSIM等指标上优于普通卷积基线, 但未涉及关键词列表中的核心主题.


\arxivwithtarget{2608.11878}{ToolHazard: Scaling Adversarial Environments for Security Evaluation and Alignment of LLM-based Agents}{Yutao Mou, Pengfei Yang, Zhe Yin, Zhangchi Xue, Xiaotian Luan, Dingyao Yu, Tong Zhang, Shikun Zhang, Wei Ye}\textbf{cs.CR}, cs.CL.

本文提出ToolHazard框架, 用于自动化合成对抗性环境以评估和提升基于LLM的agent在工具使用场景下的安全性, 通过环境模拟器和攻击者代理生成可执行的攻击场景. 实验表明该框架能有效暴露agent漏洞, 并利用生成数据改善其安全对齐.


\arxivwithtarget{2608.11884}{CoQui: A Coordinate-Conditioned Quantum Implicit Generative Adversarial Network for End-to-End Image Generation}{Xue Yang, Rigui Zhou, ShiZheng Jia, Dax Enshan Koh, Siong Thye Goh, Young-Wook Cho, YaoChong Li, Xuezhi Ma, Hongyu Chen, Xin Wang}\textbf{quant-ph}, cs.AI, cs.CV.

本文提出了一种坐标条件化的量子隐式生成对抗网络CoQui, 通过将图像生成重构为坐标条件隐函数学习, 以期望值直接输出像素强度, 从而减少量子资源消耗并提升生成质量. 实验表明其在基准数据集上优于现有量子方法, 但方法本身属于量子机器学习领域的增量改进, 与关键词关联较弱.


\arxivwithtarget{2608.11889}{DexterSQL: Deep Schema Exploration and Rule-based Correction for Text-to-SQL Generation}{Anik Pramanik, Murat Kantarcioglu, Vincent Oria, Shantanu Sharma}\textbf{cs.DB}, cs.AI, cs.CL, cs.IR.

DexterSQL提出了一种基于prompting(非微调) 的Text-to-SQL生成系统, 通过三个新颖组件解决现有方法的缺陷: 深度schema探索器(deep schema explorator) 分析模糊列及其数据分布以揭示列间关系, 数据库无关规则创建器(database-agnostic rule creator) 从训练数据中挖掘LLM的重复失败模式并转化为可迁移的修正规则, 以及基于依赖树(dependency-tree) 的中间表示引导SQL骨架生成. 该方法在BIRD-Dev基准上显著提升了准确率(如使用GPT-OSS-120B达到67.6%, 使用GPT-4o和GPT-5.2分别达到71.6%和72.2%) , 为Text-to-SQL领域提供了无需微调即可增强LLM结构化查询生成能力的新思路.


\arxivwithtarget{2608.11891}{Benchmark-Based Comparative Assessment of Publicly Benchmarked Indian Foundation Models: A Capability and Evaluation-Maturity Framework}{Avinash Agarwal, Vridhi Jain}\textbf{cs.CY}, cs.AI, cs.HC.

本文提出一个基于公开基准的框架, 用于比较评估印度基础模型在多个能力域上的表现, 并引入Benchmark Maturity Index (BMI)来量化评估生态成熟度. 研究发现印度模型在传统基准上表现良好, 但在新式agentic评估中参与不足, 且能力差距与评估生态差距难以区分.


\arxivwithtarget{2608.11907}{Do You See What You Draw? A Semantic Closed-Loop Framework for Holistic Evaluation of Unified Multimodal Models}{Hao Zhang, Jiaxin Qi, Zhijiang Tang, Jianqiang Huang}\textbf{cs.CV}, cs.AI.

本文提出Self-Generative-Understanding (SGU)框架, 通过让统一多模态模型先描述图像、再基于描述生成视觉内容、最后对自生成输出进行推理的闭环流程, 实现无需标注的整体性能评估. 实验表明该框架能揭示单独评估理解或生成能力时未暴露的模型局限, 为统一多模态模型提供补充性评测基准.


\arxivwithtarget{2608.11911}{Hamilton-Zero: A Neural Tensor-Network Foundation Model for Ground States of Arbitrary Quadratic Qubit Hamiltonians}{Timothy Heightman, Elena Orlova, Philip Mantrov, Aleksei Ustimenko}\textbf{quant-ph}, cond-mat.dis-nn, cond-mat.str-el, cs.AI.

本文提出Hamilton-Zero, 一个基于神经网络与张量网络的foundation model, 用于任意二次型qubit Hamiltonian的基态计算. 作者将spin-1/2量子基态学习转化为$\mathrm{SU}(2)^N$流形上的variational optimisation, 利用Peter-Weyl定理证明该流形上的variational principle保持基态上界, 并采用自定义自动微分原语计算Lie导数. 模型通过大规模pretrain(涵盖数百种Hamiltonian系统) 和fine-tune(最高1024 qubits) 实现泛化, 结合$\mathrm{SU}(2)$ replica-exchange Langevin sampler与sharded natural-gradient optimisation(扩展KFAC) , 在8100 qubits系统上验证了有效性. 该方法开创性地将流形几何与深度学习结合, 为量子多体基态计算提供了可扩展的通用框架, 与关键词中的pretrain和spectral(通过谱性质刻画基态) 高度契合.


\arxivwithtarget{2608.11954}{Causal inference for group-contaminated structured outcomes: observable quotients, lossless reduction and exact randomization inference}{Usef Faghihi, Amir Saki}\textbf{stat.ME}, cs.AI.

本文研究了群污染结构下因果推断的观测信息与统计无损性, 提出了商忠实重建定理和近似污染定理, 并构造了整数平移与四分之一旋转下的最大不变量及配对交换检验.


\arxivwithtarget{2608.11995}{Latent variable models for simultaneous EOV identification and removal in population-based SHM}{M. D. Champneys, M. R. Jones, A. J. Hughes, T. J. Rogers, E.J. Cross, K. Worden}\textbf{eess.SP}, cs.LG.

本文提出一种基于状态空间高斯过程和Kalman滤波的潜变量模型, 用于在群体结构健康监测中同时识别和移除未测量的环境与运行变异性, 并通过Laplace近似实现层次贝叶斯推断. 方法在实验室基准和模拟海上风电场数据上验证了损伤检测效果, 但未涉及关键词相关领域.


\arxivwithtarget{2608.11996}{A Remote Approach to Cashew Orchard Detection: Leveraging Active Learning with Satellite Imagery in Guinea-Bissau}{Miguel, Sofia, Maria, Patrícia, Luke, João}\textbf{cs.CV}, cs.LG.

本文利用Sentinel-2卫星影像和基于margin的Active Learning技术, 在几内亚比绍全国范围内自动检测腰果园, 实现了94.0%的平衡准确率, 并公开了数据集和10m分辨率地图. 该方法虽具扩展性, 但属于应用型工作, 缺乏方法论上的开创性.


\arxivwithtarget{2608.12000}{Beyond Local Power: Functional Connectivity Analysis for Subject-Independent Learning Style Recognition}{Wiga Maulana Baihaqi, Indriana Hidayah, Sri Kusrohmaniah, Noor Akhmad Setiawan}\textbf{q-bio.NC}, cs.LG, eess.SP.

本文利用EEG信号中的Phase Locking Value (PLV)功能连接性特征, 结合Support Vector Machine分类器, 在Felder-Silverman学习风格维度上进行subject-independent识别, 发现Verbal-Visual维度分类准确率较高而Active-Reflective维度泛化性较差. 研究揭示了跨被试分类受个体神经差异限制, 但方法本身缺乏开创性, 与关键词关联较弱.


\arxivwithtarget{2608.12004}{RealisticTritonBench: A Benchmark for Triton-Kernel Generation in Real-World AI Frameworks}{Jinjun Huang, Zhongzhen Wen, Tongtong Xu, Meng Yan, Xin Xia, Zhongxin Liu}\textbf{cs.SE}, cs.AI.

本文提出了RealisticTritonBench, 一个从真实AI框架的pull request中提取Triton内核生成任务的基准, 以解决现有基准在任务多样性、端到端评估和评估脚本可靠性上的不足, 并发现现有LLM在此类真实任务上表现不佳.


\arxivwithtarget{2608.12009}{Adaptive Bregman Proximal Stochastic Gradient with a Stabilized Barzilai--Borwein Step Size}{Chenhan Jin, Shengze Xu, Binghui Xie, Kaiwen Zhou, Fan Jia, James Cheng, Tieyong Zeng}\textbf{math.OC}, cs.LG.

本文提出了一种无line search的Bregman proximal stochastic gradient方法Ada-BPSG, 通过稳定化的Barzilai--Borwein步长和SAGA梯度表实现收敛, 并证明了凸与非凸情形下的收敛速率. 该方法在逻辑回归和稀疏非负矩阵分解上表现良好, 但与关键词列表关联较弱.


\arxivwithtarget{2608.12025}{From Safety Documentation to Safety Knowledge Support: An Evidence-Grounded LLM Framework for Medical Devices}{Tuhinangshu Gangopadhyay, Rasmus Adler, Peter Liggesmeyer, Jan Reich}\textbf{cs.SE}, cs.AI.

本文提出一个基于证据的LLM框架, 用于医疗设备安全文档的知识支持, 连接设备工件、知识存储与检索、候选安全项生成及专家审查, 但未涉及关键词相关领域.


\arxivwithtarget{2608.12032}{LoSA: Near-Lossless Sparse Attention for Training-Free Video Diffusion Acceleration}{Enhuai Liu, Yunke Wang, Yutong Wang, Changming Sun, Chang Xu}\textbf{cs.CV}, cs.AI.

本文提出LoSA, 一种无需训练的稀疏注意力方法, 用于加速视频扩散Transformer的采样过程. 与现有追求激进稀疏性的方法不同, LoSA通过固定99%的注意力质量保留阈值(retained-mass threshold) , 在早期密集步骤中测量每个head和query block的精确block attention mass, 并选择满足阈值的最小key/value block集合, 在后续去噪步骤中复用这些冻结的block索引. 实验表明, LoSA在Wan2.1-1.3B上单独实现$1.36\times$加速且VBench Overall仅下降0.06点, 与feature caching组合后在HunyuanVideo上达到$3.2\times$加速且仅下降0.02点, 显著优于同等速度下的最强稀疏基线. 该方法为训练-free视频扩散加速提供了新的质量-速度权衡视角, 与关键词“attention”高度契合.


\arxivwithtarget{2608.12035}{How Far from Clinical Deployment? Evaluating the Complete Unsupervised Domain Adaptation Pipeline in Medical Imaging}{Yiheng Xiong, Luisa Gallée, Daniel Santak Wolf, Heiko Hillenhagen, Michael Götz}\textbf{cs.CV}, cs.AI.

本文系统评估了无监督域适应(UDA) 在医学影像中的完整部署流程, 包括算法选择与无标签模型选择, 发现现有验证器难以可靠选出最优模型, 集成与少量标注可缩小性能差距但无法完全解决.


\arxivwithtarget{2608.12043}{Direct Acceleration of Stochastic Root-Finding Without Variance Reduction and Regularization}{TaeHo Yoon, Nicolas Loizou}\textbf{math.OC}, cs.LG.

本文研究了随机root-finding问题的加速方法, 提出dual-anchor机制在随机设置下无需方差缩减或正则化即可实现$O(\epsilon^{-3})$复杂度, 对强单调算子可达$\widetilde{O}(\epsilon^{-2})$. 该工作与关键词列表关联较弱.


\arxivwithtarget{2608.12063}{Learning Loco-Manipulation From SMPC Demonstrations With Sparse Offline-to-Online RL}{Martin Schuck, Maks Sorokin, Simone Manni, Duy Ta, Angela P. Schoellig, Marco Hutter, Simon Le Cleac'H, Jan Brüdigam}\textbf{cs.RO}, cs.AI.

本文提出了一种结合SMPC演示与稀疏奖励的离线到在线RL框架, 用于学习机器人的locomotion-manipulation技能, 并在仿真中训练后迁移至真实机器人. 该方法通过自动化专家生成数据, 减少了奖励塑形需求, 但未涉及关键词中的核心概念.


\arxivwithtarget{2608.12064}{Draw This First}{Dazhi Zhong, Rowan Bradbury, Grant Davis}\textbf{cs.CV}, cs.LG.

本文提出了一种逆向来生成草图的方法, 通过预测二维场定义笔画绘制顺序, 并利用预训练模型和VAE解码器生成有序矢量草图, 可从文本或图像生成遵循指令的草图.


\arxivwithtarget{2608.12078}{Better Slots, Better Worlds: Representation Quality & Robustness in Object-Centric World Models}{Shukrullo Nazirjonov, Sai Prasanna, Anna Manasyan, Georg Martius}\textbf{cs.CV}, cs.AI, cs.LG.

本文通过控制实验研究了object-centric world models在视觉model-predictive control中的表征质量与泛化鲁棒性, 发现slot质量与规划成功正相关, 且良好绑定的slots可简化先验依赖, 并在分布偏移下优于scene-centric模型. 研究指出预训练特征对鲁棒性贡献显著, 但未涉及关键词中的code、spectral或Muon等主题.


\arxivwithtarget{2608.12086}{Look What the Probes Dragged In! Real-World Chest X-ray Shortcuts in MedCLIP}{Nikolette Pedersen, Regitze Sydendal, Veronika Cheplygina, Théo Sourget}\textbf{cs.CV}, cs.LG.

本文通过在MedCLIP的ResNet-50视觉编码器各层附加17个线性探针, 研究真实世界捷径在医学视觉-语言模型中的表现, 发现最终探针虽AUROC高但校准差, 且局部与弥漫性捷径在不同层出现. 研究强调即使SOTA模型仍易受捷径影响, 并指出数据集质量问题.


\arxivwithtarget{2608.12087}{Parallel Machine Scheduling with a Singler Server and Loading-Unloading Operations}{Keramat Hasani, Frank Werner}\textbf{math.OC}, cs.DS.

本文研究带单一服务器装卸操作的平行机调度问题, 目标是最小化makespan. 作者证明当机器数为输入时该决策问题是强NP完全的, 并分析了List Scheduling和Longest Processing Time启发式的近似比, 给出了相应上界.


\arxivwithtarget{2608.12099}{RT-SEMamba: Real-Time Speech Enhancement Mamba via Progressive Knowledge Distillation}{Rong Chao, Sung-Feng Huang, Moreno La Quatra, Sabato Marco Siniscalchi, Wen-Huang Cheng, Szu-Wei Fu, Yu Tsao}\textbf{cs.SD}, cs.CL.

本文提出RT-SEMamba, 一种基于因果time-frequency Mamba blocks的全因果speech enhancement模型, 通过progressive knowledge distillation将8层teacher压缩为1层student, 在Voicebank-DEMAND上达到3.18 PESQ并保持低延迟. 该方法主要关注实时语音增强的效率与质量权衡, 与关键词中的code、context、spectral、Muon、pretrain、agent、attention关联较弱.


\arxivwithtarget{2608.12104}{No One to Blame: A Framework of Constitutive AI Unaccountability}{Long Hoang Nguyen, Eva Späthe, Sebastian Lins, Ali Sunyaev}\textbf{cs.CY}, cs.AI.

本文通过概念导向的文献分析和27位AI专家的访谈, 提出了“constitutive AI unaccountability”框架, 识别出九类二十种导致AI问责在概念上无法实现的结构、技术和规范因素, 并开发了包含20个问题的诊断工具应用于开源agentic AI系统OpenClaw. 该研究主要贡献于AI治理领域, 与关键词中的agent有一定关联, 但方法并非开创性且未涉及code、spectral等核心主题.


\arxivwithtarget{2608.12111}{The Advective Fisher-Rao Geometry of Deterministic Measure Transport}{Benjamin Gess, Johannes Müller}\textbf{math.OC}, cs.LG, math.DG, math.PR.

本文引入了一种新的advective Fisher-Rao度量, 用于连续性方程控制的概率测度路径上的优化问题, 并证明其能产生最优下降方向. 该度量从三个不同视角自然导出, 并辅以计算实验验证其在概率密度拟合中的有效性.


\arxivwithtarget{2608.12123}{Ready Cohorts: Bounding GPU Opportunity and Avoiding Host Round Trips in LLM-Agent Control}{Josef Liyanjun Chen}\textbf{cs.DC}, cs.AI, cs.OS.

本文研究了LLM-agent控制路径中GPU执行机会的边界问题, 提出了ready-cohort概念并形式化了相关度量, 通过动态规划和实验验证了设备端路由决策的性能优势. 该工作主要关注系统层面的调度优化, 与关键词中的核心数学方法关联较弱.


\arxivwithtarget{2608.12125}{Do LLMs Take Care of Their Own? Similarity Signals Can Induce Cooperation}{Akash Kundu, Emanuel Tewolde, Ratip Emin Berker, Samuel F. Brown, Vincent Conitzer}\textbf{cs.GT}, cs.AI, cs.CL, cs.MA.

本文研究了LLM智能体在战略互动中基于相似性信号进行合作决策的行为, 发现不同模型对相似性信号的反应差异显著, 并提出了一个行为博弈论模型来解释合作均衡.


\arxivwithtarget{2608.12140}{FQTree: Fine-grained Quantization and Hardware Generation of Boosted Decision Trees}{Zhiqiang Que, Chang Sun, Haiyang Wang, Dinesh Pamunuwa, Roshan Weerasekera, Qijia Tang, Bakhtiar Zadeh, Wayne Luk, Maria Spiropulu}\textbf{cs.AR}, cs.LG.

本文提出FQTree算法和QXGB框架, 用于提升决策树(BDT)的细粒度量化训练与自动硬件生成, 通过全局量化步长和树级移位实现紧凑的叶值表示, 在FPGA上相比现有设计降低LUT使用26-57%并保持精度. 该工作主要面向硬件部署优化, 与关键词列表中的主题关联较弱.


\arxivwithtarget{2608.12144}{ADEPT: A Unified Framework for Deep Learning Test Adequacy}{Yidi Kao, Shawn Burnham, Tommi Rose Fahy, Ali Ghanbari}\textbf{cs.SE}, cs.LG.

本文介绍了ADEPT, 一个统一框架, 用于整合多种深度学习测试充分性度量(如neuron coverage、surprise adequacy等) , 通过一致的执行流程和YAML配置管理简化其复现与应用. 该工作主要贡献在于工程集成而非理论创新, 与关键词关联较弱.


\arxivwithtarget{2608.12145}{Autonomous Telerehabilitation via Skeletal Motion Prediction and Joint-Level Performance Assessment}{Lara Pereira, João Ruivo Paulo, Pedro Santos, Paulo Peixoto}\textbf{cs.CV}, cs.LG.

本文提出了一种远程康复系统, 结合基于骨骼的动作质量评估与短期运动预测, 用于无标记RGB视频中的自主康复训练. 系统采用自注意力双向LSTM和基于图的预测模块, 在基准数据集上验证了性能, 但方法主要为工程集成, 缺乏开创性.


\arxivwithtarget{2608.12166}{Co-constructing sociotechnical AI governance: participatory system mapping using algorithm registers}{Íñigo de Troya, Maurus Enbergs, Neelke Doorn, Roel Dobbe}\textbf{cs.CY}, cs.AI, eess.SY.

本文通过荷兰某市算法注册表的案例研究, 结合访谈、调查和参与式系统映射工作坊, 探讨了算法注册表在揭示算法系统社会技术结构方面的局限, 并利用System-Theoretic Process Analysis (STPA)识别出仅凭注册表无法发现的潜在安全危害, 强调了多元利益相关者参与对算法治理的重要性.


\arxivwithtarget{2608.12187}{HSTGFormer: Hyper Spatial-Temporal Graph Transformer for 3D Human Pose Estimation}{Ruochen Li, Shuang Chen, Wenke E, Farshad Arvin, Amir Atapour-Abarghouei}\textbf{cs.CV}, cs.AI.

本文提出HSTGFormer, 一种基于graph-enhanced Transformer的3D human pose estimation框架, 将spatial-temporal reasoning重构为joint-time nodes上的localized coupled graph aggregation. 其核心创新在于引入Hyper Spatial-Temporal Graph (HSTG), 通过将per-frame skeleton graphs扩展至temporal neighborhoods, 实现structure-aware的coupled reasoning, 并设计Adaptive Dual-Scale Temporal Graph (ADSTG)捕获joint-specific的short- and long-range temporal dependencies, 最后以lightweight node-wise fusion module自适应整合两种graph representations. 该方法在Human3.6M和MPI-INF-3DHP上取得高精度与高计算效率, 为spatial-temporal modeling提供了新的graph-based视角, 与关键词attention高度契合.


\arxivwithtarget{2608.12190}{Machine Learning-Based Cyber Defense for Cloud Infrastructure: An Adaptive Deep Q-Network Architecture for Intelligent Intrusion Detection and Automated Threat Mitigation}{Md Yassir Mottalib, Md Yousuf, Eklachur Rahman Bhuiyan, S M Ahsan Habib, Sonjoy Kumar Dey, Md. Salahuddin Gazi, Molay Kumar Roy, Asaduzzaman Anik}\textbf{cs.CR}, cs.AI.

本文提出了一种基于Deep Q-Network (DQN)的强化学习框架, 用于云环境中的实时入侵检测与自动化威胁缓解, 并在CICIDS2017和UNSW-NB15数据集上验证了其高准确率与低延迟. 该工作属于应用型研究, 方法为现有RL技术的直接部署, 与关键词列表无显著契合.


\arxivwithtarget{2608.12196}{M-Net: Integrating Spectral Features and Physical Field Operators into Deep Learning for Medical Image Segmentation}{Jing Zhu, Ye Wang, Fumin Wang}\textbf{cs.CV}, cs.AI.

本文提出M-Net (Math-Augmented Network), 将矩阵谱分析(如centered local pixel matrices的condition number) 与vector calculus算子(divergence和curl-like边界不规则度) 作为显式数学先验集成到U-Net中, 并设计Math-Attention Gate (MAG)在skip connections处自适应融合数学特征与CNN特征. 在LiTS、KiTS和BraTS基准上, M-Net分别达到78.42%、76.15%和83.67%的Dice分数, 较基线U-Net提升12.37%、3.52%和5.55%, 消融实验表明连续condition number特征优于离散可逆性特征, MAG比简单拼接提升1.45%. 该工作为将线性代数和向量微积分融入医学图像分割的深度架构提供了新途径, 与关键词中的spectral和attention高度契合.


\arxivwithtarget{2608.12197}{NetlistBench: Evaluating LLM Reliability in SPICE Netlist Recognition and Manipulation}{Jiarui Ma, Jianghan Wang, Yuheng Ma, Ziyi Zhuang, Xiaoguang Liu}\textbf{eess.SY}, cs.AI.

本文提出了NetlistBench, 一个用于评估大语言模型在SPICE网表识别与操作任务上可靠性的基准测试, 包含2,342个案例和24类任务. 研究发现模型性能随操作结构复杂度变化显著, 简单编辑准确率高而复杂操作和等价判断表现较差, 揭示了LLM在电路设计自动化中的可靠性瓶颈.


\arxivwithtarget{2608.12198}{Learning-Based Behavior Planning for Automated Driving: Real-World Integration and Deployment}{Jean-Pierre Busch, Guido Linden, Jan Bergmann, Lutz Eckstein}\textbf{cs.RO}, cs.AI, cs.LG.

本文提出了一种混合规划架构, 结合深度学习与优化监督层以提升自动驾驶行为规划的安全性和可解释性, 并在真实车辆上进行了部署验证. 该方法与关键词列表中的概念关联较弱.


\arxivwithtarget{2608.12220}{SCOUT: Unlocking Enhanced Spatial Reasoning via Structured Chain-of-Thought and Multi-Objective Process Reward}{Zile Zhou, Huining Yuan, Weichen Zhang, Xinlei Chen, Xiao-ping Zhang}\textbf{cs.CV}, cs.AI.

本文提出SCOUT框架, 通过结构化Chain-of-Thought和multi-objective process rewards的RL算法, 增强Vision-Language Models的3D空间推理能力, 并构建了SCOUT-24k数据集. 实验显示其在空间基准上显著优于基线, 但方法主要针对特定任务, 与关键词关联较弱.


\arxivwithtarget{2608.12227}{Domain-Aware Lightweight Spectral-Grouped Convolutions for Hyperspectral Fish Freshness Classification}{Kazi Nabiul Alam, Pooneh Bagheri Zadeh, Akbar Sheikh-Akbari}\textbf{eess.IV}, cs.AI, cs.CV, eess.SP.

本文提出了一种用于高光谱图像鱼类新鲜度分类的轻量级网络SGNet, 通过分组卷积和深度可分离空间路径分离光谱与空间特征提取, 并引入双注意力机制提升性能. 实验表明其在参数效率上优于传统深度模型, 但方法创新性有限, 与关键词关联较弱.


\arxivwithtarget{2608.12230}{Few-Shot Ordinal Learning for Day-Wise Freshness Estimation with Hyperspectral Fish Images}{Kazi Nabiul Alam, Pooneh Bagheri Zadeh, Akbar Sheikh-Akbari}\textbf{cs.CV}, cs.AI, eess.IV, eess.SP.

本文首次将few-shot learning框架引入基于hyperspectral imaging (HSI)的食品质量估计, 针对鱼片新鲜度逐日估计中标注数据稀缺的问题, 将每个鱼片视为一个独立的episodic task, 并采用CORAL-style ordinal prediction head通过cumulative threshold modeling捕捉新鲜度进展的排序特性. 方法引入生物启发的monotonicity和embedding smoothness约束, 引导预测符合合理的退化轨迹, 在16天三文鱼HSI数据集上以每鱼片仅3个标注日达到1.58天的平均绝对误差和72.3%的2天准确率, 显著优于全监督的scalar regression和label-distribution基线. 该工作为HSI-based food quality estimation提供了首个few-shot范式, 解决了该领域长期依赖密集标注的问题, 与关键词中的spectral和context高度契合.


\arxivwithtarget{2608.12236}{How Organizations Use AI: Evidence from ChatGPT}{Aaron Chatterji, David Holtz, Neel Rakholia, Prasanna Tambe, Gawesha Weeratunga}\textbf{econ.GN}, cs.AI, cs.HC.

本文利用ChatGPT Enterprise账户记录与员工角色、任务分类及公司财务数据的关联, 分析了企业采用前沿生成式AI的模式, 发现采用速度、广度及目的在不同企业间差异显著, 且企业仍在学习如何将AI整合到工作流程中.


\arxivwithtarget{2608.12239}{HAMP-LIC: Hessian-Aware Mixed-Precision Post-Training Quantization for Learned Image Compression}{Yuefeng Zhang}\textbf{cs.CV}, cs.AI, cs.MM.

本文提出HAMP-LIC, 一种基于Hessian感知的混合精度后训练量化框架, 用于学习图像压缩模型的高效低比特部署. 通过四阶段优化策略分配比特宽度并抑制量化误差, 在多个数据集上优于现有PTQ方法, 但方法主要针对图像压缩任务, 与关键词关联较弱.


\arxivwithtarget{2608.12246}{VICBench: A Multi-Language Benchmark for Code Vulnerability Detection}{Jin Lu, Xuening Han, Yang Zhong, Lin Tan, Kevin Luo, Andrew Gacek, Neha Rungta}\textbf{cs.CR}, cs.AI, cs.CL, cs.SE.

本文构建了VICBench基准数据集, 包含100个经人工与agentic workflow双重标注的漏洞引入提交, 覆盖Python、Java和C++三种语言及48种CWE类型, 并评估了现有V-SZZ和LLM4SZZ算法的性能. 该工作主要贡献在于提供更复杂、更大规模的漏洞检测评估资源.


\arxivwithtarget{2608.12251}{Regime-Gated Residual Mixture-of-Experts for Cross-Sectional Volatility Forecasting}{Junyi Ye, Gargi Vijay Borde}\textbf{q-fin.ST}, cs.LG.

本文提出RG-ResMoE架构, 将regime信息仅用于专家路由而非直接预测, 在美股和日股面板上验证了其优于容量匹配的MLP, 并指出soft routing优于hard routing. 研究主要关注regime信息在神经网络波动率预测中的集成方式, 与关键词关联较弱.


\arxivwithtarget{2608.12262}{Diagram-MMU: A Multi-Modal Benchmark for Scientific Diagrams}{Weihao Bo, Shan Zhang, Yanpeng Sun, Jie Liu, Yongke Yao, Jinhao Du, Wei He, Kai Zou, Zechao Li, Jingdong Wang}\textbf{cs.CV}, cs.AI.

本文构建了Diagram-MMU基准, 用于评估多模态大语言模型在科学图表解析与理解上的能力, 涵盖图表转代码、编辑和问答任务. 实验发现模型在问答上表现较好, 但在图表转代码任务上存在明显困难.


\arxivwithtarget{2608.12273}{Convergent Detour Hijacking: Task-Preserving Resource Amplification in Skill-Based LLM Agents}{Junliang Liu, Ruoyu Li, Wenxin Tang, Jingyu Xiao, Zhenyu Liu, Jingheng Xu, Laizhong Cui}\textbf{cs.CR}, cs.AI.

本文提出Convergent Detour Hijacking (CDH)攻击, 针对基于技能的LLM agents, 利用其渐进式披露设计中的两个控制点, 通过描述与指令体的语义耦合实现选择阶段和规划阶段的联合操纵. 该攻击在保持任务完成的前提下, 吸引攻击者控制的协调器并招募不必要的良性技能形成有界绕行, 导致token消耗和端到端执行时间显著增加(分别达66.91%和92.45%) , 揭示了正确结果不保证轨迹完整性和成本安全性的漏洞. 该工作首次系统性地将选择操纵、恶意技能指令和工具链资源放大进行端到端组合, 为agent安全领域提供了开创性的攻击范式.


\arxivwithtarget{2608.12274}{A Neighborhood Attention Transformer Network for Enhanced 3D Segmentation of the Left Anterior Descending Artery}{Rafi Ibn Sultan, Chengyin Li, Yiannos Demetriou, Ahmed I. Ghanem, Joshua P. Kim, Justine Cunningham, Hassan Bagher-Ebadian, Dongxiao Zhu, Kundan S. Thind}\textbf{cs.CV}, cs.AI.

本文提出NA-UNETR, 一种基于Neighborhood Attention的3D transformer分割模型, 用于低对比度CT中左前降支动脉的精确分割, 通过局部-全局上下文建模和不确定性加权损失提升性能, 并在小样本数据上借助预训练和LoRA微调实现改进.


\arxivwithtarget{2608.12283}{Large Language Model-Driven Small-Capitalization Trading: Integrating Financial News Sentiment, Macroeconomic Indicators, and Technical Signals}{Alireza Kargarzadeh, Nariman Khaledian, Navid Parvini, Arman Khaledian}\textbf{q-fin.PM}, cs.CL.

本文利用大型语言模型提取金融新闻情绪, 并将其与宏观经济指标和技术信号结合, 构建了一个不确定性感知的投资组合管理框架, 在Russell 2000股票上评估了不同股票选择机制和资产配置器的表现. 研究发现, 分离纯alpha和纯beta触发机制通常优于两者同时触发的beta交集策略, 且股票选择机制和配置器选择对结果的影响不亚于情绪模型本身.


\arxivwithtarget{2608.12290}{Beyond Trial-and-Error: Agentic Optimization for Image-to-Video Adherence}{Aman Tyagi, Hemanth Boinpally, Jonathan Chen, Douglas Gebert, Steven Hickson}\textbf{cs.CV}, cs.AI, cs.MM.

本文提出了一种名为“Agentic Self-Improvement”的框架, 将黑盒Image-to-Video (I2V)生成建模为闭环目标导向优化问题, 以替代低效的试错过程. 该框架采用两阶段方法: 第一阶段利用多模态大语言模型(mLLM)迭代优化输入prompt, 并通过Davidsonian Scene Graph (DSG)查询和Common Mistake Questions (CMQ)分别评估语义一致性与伪影检测; 第二阶段使用Bayesian optimization联合优化随机种子和CFG scale, 并引入基于DSG和CMQ的新型Video-Text Adherence (VTA)评分作为质量指标. 实验表明, 该agentic方法在人类偏好研究中以高达69%的胜率显著优于无引导搜索, 为视频生成的可控性和可靠性提供了实用且可扩展的解决方案. 该工作与关键词“agent”高度契合, 体现了agent-driven优化在生成任务中的开创性应用.


\arxivwithtarget{2608.12299}{Class Activation Mapping in Explainable Computer Vision: A Method-Centered Review of CNN, Transformer, and Foundation-Model-Era Visual Explanations}{AmirHossein Eshghi, Hamid Saadatfar, Seyyed Ali Hoseini, AmirMohsen Eshghi, Siavash Arjomand Bigdel}\textbf{cs.CV}, cs.AI.

本文系统综述了2016年以来57篇以CAM(class activation mapping) 方法为中心的视觉可解释性论文, 按归因机制、架构依赖和评估目标构建分类体系, 涵盖基于梯度、无梯度、Transformer token归因及CLIP/DINO/SAM等基础模型时代的解释方法, 并指出该领域从单层低分辨率类别分数解释向多层、概率化、token感知和基础模型感知方向演进的趋势, 同时强调评估协议碎片化的问题.


\arxivwithtarget{2608.12308}{DreamFly: Causal Memory and Receding-Horizon Diffusion Planning for Aerial Vision-Language Navigation}{Yan Deng, Fei Xu}\textbf{cs.CV}, cs.AI.

本文提出DreamFly框架, 用于空中视觉语言导航任务, 通过因果历史记忆和滚动时域扩散规划改进导航决策, 并在OpenFly基准上取得性能提升.


\arxivwithtarget{2608.12313}{AVA-Encoder: Towards Agent-Native Video Representation Learning}{Chuyue Li, Jinpeng Yu, Haozhe Wang, Tian Xueyun, Zhijing Zhang, Bingnan Li, Shuqi Gu, Kan Ren, Jiaming Liu, Ruihua Hua}\textbf{cs.CV}, cs.CL.

本文提出Agentic Video Auto-Encoder (AVA-Encoder)框架, 将视频转化为knowledge graph (KG)表示并重建回视频, 通过textual-gradient optimization实现agent-native视频表示学习. 该方法在agentic video reconstruction任务上较最强外部基线提升20.7个百分点, 且其pseudo-trained shot-level Agentic Video Encoder policy在控制策略设置下以74.3%更少的system-prompt tokens超越人工调优策略, 为agent从高质量影视中学习提供了结构化且可直接推理编辑的视频表示范式, 与关键词agent高度契合.


%body_end
    
    %others_begin

    %others_end
\end{document}