每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
来自全球权威信源，模型摘要 + 人工抽检
本文提出一种基于"清晰度"最大化的自适应任务规划方法，用于太阳能自主水面艇（ASV）执行科学探测任务。清晰度与微分信息熵严格关联，通过在线更新目标清晰度地图并采用遍历性路径规划，在可再生能源功率约束下持续重规划，优先采集高价值区域信息。仿真与北卡Jordan湖实验验证了有效性，为受限能源下的自主信息采集提供新思路。
该论文研究视觉-语言-动作（VLA）策略内部表征的几何形状，通过线性探针与激活干预，对七个任务相关概念建立分类体系。发现概念几何多为多维且受物理约束塑造，如关节限位使腕部朝向呈弧而非圆，距离由粗/细两个正交子空间表示。该几何在多个模型与真实数据中复现，并可用于引导操控，表明概念形状与可读性同等重要。
提出持久化剖面引导的无重置恢复方法 PGRR，通过预测多次步态执行的多种结果并用保守不确定性估计指导在线探测，避免重置机器人。在 108 个 MuJoCo 腿部截肢、骨折、关节锁死任务中，最终步态质量提升 0.106，低质量失败率降低 27.8 个百分点，为无重置损伤恢复评估提供新证据。
论文给出无人机网状拦截在选定策略前的性能上界闭式解：预测点不确定性由最小二乘方差传播加 delta 方法项刻画，与仿真误差 1.8%；在智能体间距不小于 2r 时，平面覆盖率上限 90.69%、体积 74.05%，允许重叠则改用 Kershner 最薄覆盖密度并在 p=0.80 处切换更优。作者主张学习实验前先算上界并随结果一并报告。
该论文提出一种基于天空偏振光的车辆绝对航向估计方法，通过全局优化 Rayleigh 天空模型与分焦平面偏振相机测量值匹配，结合针孔相机模型与太阳位置算法合成偏振角分布，并用偏振度加权 RMSE 抑制云层、建筑等遮挡干扰。在城市道路实验中偏航角 RMS 误差低于 1 度，较现有方法降低最多 87%，为 GNSS/磁力/惯性失效场景提供可靠导航备份。
该论文将视觉语言模型中的块稀疏特征化器（BSF）引入机器人视觉-语言-动作模型，恢复出感知、语言、本体状态、任务阶段等多维可解释特征，并通过细粒度干预实现可预测的动作控制，还能定位训练数据中不足1.4%的关键token以移除特定行为，为机器人策略的可解释性与数据治理提供新工具。
研究对三个前沿视觉-语言-动作（VLA）模型做机制性因果分析，发现动作专家仅通过中后段少量交叉注意力层（动作条件接口）接收关键信息，且物体选择与空间信息分层存储。据此将 MolmoBot 的条件层从 36 层减至 3 层，推理 FLOPs 降 33%，3000 次评测成功率基本持平，并已在真机部署验证。
提出 CogDrift-4D 分层 4D Transformer 框架，用 18 个月七次无脚本多模态交互数据构建 Batch×Session×Time×Feature 张量，通过会话内回归斜率与跨会话递归交叉注意力建模行为衰退，配合质量门过滤噪声，实现轻度认知障碍检测（准确率 0.733），为居家实时痴呆筛查提供可扩展方案。
该研究基于NHANES近2.5万成年人数据，用CatBoost结合44项人口学、实验室、体检与生活方式特征（含分类变量）估计生物学年龄，并提出在SHAP依赖图上自动量化特征取值范围、效应幅度与零交叉阈值的流程。模型估计年龄与真实年龄相关r=0.798，提升了可解释性与可复现性，为衰老研究与精准健康提供可扩展方法基础。
SHRED 提出一种无需专家演示的异构自博弈框架，联合训练车辆、行人和骑行者，通过类型特定动力学与程序化场景生成让多样化行为在闭环交互中涌现。在 WOSAC 和 InterPlan 基准上超越无演示自博弈基线及部分演示训练方法，证明异构自博弈是可扩展的交通行为学习范式。
论文指出超长上下文下投机解码的加速会消失，因为草稿模型需处理完整前缀。作者提出无需训练长上下文草稿模型：冻结短上下文草稿器，通过限制注意力缓存和重定位旋转位置索引两个推理期机制，让其在200万token下保持短上下文时的加速比，无需改权重，vLLM侧单一配置即可覆盖4k到2M token。
本文研究扩散模型去噪分数匹配中，分数网络的秩约束对泛化的影响。通过三层网络实验与随机特征理论分析，发现提高秩可降低训练误差，但测试误差取决于样本量和数据维度，并给出最优秩约束估计的谱刻画与秩阈值。
该论文研究如何将序贯贝叶斯实验设计（BED）摊销进推理型LLM，通过信息增益奖励显式训练引导动作选择的推理过程。在二十问任务上，所得策略以更低计算成本超越训练与推理时BED基线，并迁移至临床对话基准Medi-Q，表明信息收集可作为可泛化的推理技能被学习。
研究检验 MoE 模型中按层、按任务阶段（提示/推理/响应）的专家路由统计能否指导 FFN 张量的分层混合精度量化。作者在 ik_llama.cpp 上为 Qwen-3.6-35B-A3B 构建路由捕获与剖析管线，用坐标下降调优位宽分配。结果显示路由引导的重分配在各质量档位均未超过均匀基线，激进预算下随机分配与路由引导表现相当，说明路由统计并非量化敏感度的可靠代理。
该论文提出统计集成方法SEM，利用O-RAN的E2接口KPI遥测实现无需专有硬件的射频干扰检测。SEM结合MAD基线、计数异常与突变检测加权投票，支持冷启动与监督两种模式。在8个异构5G环境约25小时数据上，SEM在分布偏移下仍保持检测能力，而ML/DL模型召回率下降，且可映射为Non-RT RIC的rApp持续优化。
提出 GGPO，一种面向可验证奖励的离策略强化学习算法，通过最小化同一提示下响应的 KL 调整奖励的对数均值指数对比，避免学习者到行为策略的重要性权重，从而降低长响应的高方差。实验显示其在数学推理上优于 GRPO 和 AGRO，并能在策略陈旧度增大时保持性能。
该论文研究高维持续线性回归中显式与隐式正则化的最优强度，推导了固定步数梯度下降的泛化损失闭式解，证明最优步长随任务数近似以 ln T / T 衰减，并与最优 L2 正则等价，还给出对角正则矩阵下最优正则器为各向同性的充要条件。为持续学习系统的步长与正则设计提供理论指导。
该研究将音乐愉悦度预测建模为回归问题，基于MUSIN-G公开数据集（20名听众128通道EEG），在跨被试协议下对比六种深度学习模型，DeepConvNet、CNN-LSTM和GNN-CNN取得最低MAE（0.97-0.99），TCN相关性最高（r=0.21），并用梯度与遮挡方法解释时间片段贡献，为EEG情感回归提供可复现基准。