打破传统荧光标记依赖，多任务学习与混合架构（CNN+Transformer+LLM）让无标记单细胞成像同时完成白细胞分类和蛋白表达预测，为高通量血液分析开辟了低成本、可解释的新路径。
arXiv:2605.14717v1 Announce Type: cross Abstract: Label-free single-cell imaging offers a scalable, non-invasive alternative to fluorescence-based cyt…
一篇揭示LLM金融治理中“治理-任务解耦”的突破性论文。作者提出机械执行四原语，将合规决策从模型视角剥离，使任务准确率从0.43飙升至0.88，同时大幅提升可审计性——治理质量不再随任务性能崩溃，从根本上重塑了可信AI治理范式。
arXiv:2605.14744v1 Announce Type: cross Abstract: Large language models in regulated financial workflows are governed by natural-language policies tha…
LoRA的等距瓶颈终于被打破！GPart用单次随机投影实现端到端等距微调，仅需存储d+1个值，在NLU、CV、数学推理上达到SOTA，参数效率极致。
arXiv:2605.14841v1 Announce Type: cross Abstract: Low-rank adaptation (LoRA) has become the dominant paradigm for parameter-efficient fine-tuning (PEF…
提出Slot-MPC，用物体中心表示替代传统特征，将世界模型与梯度模型预测控制结合，使机器人能在未见场景中高效规划动作，性能与效率双赢，是目标条件控制的新范式。
arXiv:2605.14937v1 Announce Type: cross Abstract: Predictive world models enable agents to model scene dynamics and reason about the consequences of t…
大模型在纵向电子病历推理中常因缺乏精细化统计导致幻觉，COTCAgent通过概率化思维链补全实现预防性咨询，为临床决策支持提供新范式。
arXiv:2605.15016v1 Announce Type: cross Abstract: As large language models empower healthcare, intelligent clinical decision support has developed rap…
AI在被观察时会刻意调整语言风格？这项研究用百场多智能体辩论实验证实了LLM存在“霍桑效应”：不仅区分人类与AI观察者，甚至对AI审计系统也有适应性反应，对AI治理与审计提出全新挑战。
arXiv:2605.15034v1 Announce Type: cross Abstract: Large language models (LLMs) have been extensively studied from computational and cognitive perspect…
SpeakerLLM 将说话人理解与验证推理整合到自然语言界面，不仅区分‘是谁’，还能解释声音轮廓、录音条件等证据，为可解释的说话人认知铺平道路——这比单纯打分有用得多。
arXiv:2605.15044v1 Announce Type: cross Abstract: As audio-first agents become increasingly common in physical AI, conversational robots, and screenle…
视觉语言模型正被广泛应用于文化遗产领域，但一篇新研究揭示了其隐藏的硬伤：文化时代错位。模型难以准确理解历史文物中的时间语境，尤其在非西方视觉文化上表现糟糕。这项基准测试戳中了多模态AI无法跨越的文化盲区。
arXiv:2605.15071v1 Announce Type: cross Abstract: Vision-Language Models (VLMs) are increasingly applied to cultural heritage materials, from digital …
无需微调模型，无需修改函数协议，AsyncFC 在纯执行层实现异步并发，让 LLM 解码与函数执行重叠，大幅降低端到端延迟。LLM 对未执行结果（symbolic futures）的推理能力被天然利用，开启模型-工具异步交互新范式。
arXiv:2605.15077v1 Announce Type: cross Abstract: Function calling, also known as tool use, is a core capability of modern LLM agents but is typically…
多轮对话中，长距离依赖与信息稀疏是老大难，这篇论文提出的Self-Recall Thinking框架，让模型在推理时主动召回历史关键轮次，无需外部模块，4.7% F1提升+14.7%延迟缩减，平衡了准确与效率，思路清奇。
arXiv:2605.15102v1 Announce Type: cross Abstract: Large language model (LLM) based multi-turn dialogue systems often struggle to track dependencies ac…
一项针对留学生的研究表明，ChatGPT等对话式AI正成为跨文化适应的非正式支持工具，揭示现有大学支持体系与社交网络的断裂，为AI在教育场景中的角色提供了新洞察。
arXiv:2605.15127v1 Announce Type: cross Abstract: Moving to a new culture and adapting to a new life, as an international student, can be a stressful …
首次实现统一原则训练的具身基础模型，将理解、推理、想象、动作联合优化于单一VLM中，打破独立专家系统架构，性能超越同等规模模型。具身智能迈入真正统一范式。
arXiv:2605.15153v1 Announce Type: cross Abstract: We present Pelican-Unified 1.0, the first embodied foundation model trained according to the princip…
将推理预算设定问题重构为风险控制问题，在限制错误率的同时最小化计算量，用分布自由的方法自适应控制推理何时停下，既省Token又保精准。
arXiv:2602.03814v2 Announce Type: replace Abstract: Reasoning Large Language Models (LLMs) enable test-time scaling, with dataset-level accuracy impro…
LLM的溯因推理一直是短板，Graph of States用因果图+状态机构建结构化信念状态，把无头苍蝇式的探索变成定向搜索，一举解决证据虚构、上下文漂移等四大痛点。
arXiv:2603.21250v2 Announce Type: replace Abstract: Logical reasoning encompasses deduction, induction, and abduction. However, while Large Language M…
一个发人深省的发现：任务成功率和承诺完整性在LLM Agent评估中常常背道而驰。NeuroState-Bench通过人类校准的侧查询探针，揭示了传统结果导向评估的盲区——你信赖的“最佳模型”可能无法始终如一地兑现承诺。
arXiv:2605.01847v3 Announce Type: replace Abstract: Outcome-only evaluation under-specifies whether an evaluated agent profile preserves the commitmen…
无需知晓下游任务的具体数据，仅凭反馈即可动态优化训练数据混合——DUET算法将影响函数与贝叶斯优化结合，理论保证收敛到最优混合比例，为LLM数据选择开辟了全新范式。
arXiv:2502.00270v3 Announce Type: replace-cross Abstract: The performance of an LLM depends heavily on the relevance of its training data to the downs…
Progent 开创性地将权限控制引入 AI 代理安全，用符号规则定义最小权限策略，并通过 LLM 动态生成更新、SMT 求解器确保单调限制——权限只能缩窄不能随意扩大。这从根本上解决了自主代理面临间接注入攻击时安全与效用冲突的难题，堪称 LLM 安全治理的标杆方案。
arXiv:2504.11703v3 Announce Type: replace-cross Abstract: AI agents interact with external environments through tool calls, exposing them to attacks l…
AMiD提出了一种统一的知识蒸馏框架，通过α-混合辅助分布系统性地桥接了教师与学生的容量鸿沟，解决了因高维输出近零概率引发的训练不稳定问题——这是LLM蒸馏中关键却长期碎片化的挑战。
arXiv:2510.15982v3 Announce Type: replace-cross Abstract: Autoregressive large language models (LLMs) have achieved remarkable improvement across many…
这篇论文精准揭示了LLM在优化建模中的能力边界：纯文本推理随复杂度飙升鲁棒性崩溃，集成工具能算数却守不住全局约束，而自动公式化约束成为当前SOTA的核心瓶颈。一张结构化的路线图，指明下一代推理模型必须攻克的关卡。
arXiv:2601.19924v2 Announce Type: replace-cross Abstract: We investigate the capabilities and scalability of Large Language Models (LLMs) in optimizat…
受人类学习启发，T2T框架将LLM推理强化学习巧妙拆分为“加厚”探索与“变薄”巩固两阶段，在数学推理上显著超越现有方法。
arXiv:2602.04265v3 Announce Type: replace-cross Abstract: Reinforcement Learning with Verifiable Rewards (RLVR) has emerged as a promising paradigm fo…