推荐理由：这篇论文用41天实测数据证明，一个小型开源库spotforecast2-safe能打过ENTSO-E官方预测，甚至敢跟上亿参数的chronos-2比划比划。

推荐理由：这篇论文把GSS和SPCE结合，算结构尾部响应又快又准，适合性能风险优化。

推荐理由：它让不同环境的多个智能体各自进化再合并，本地数据不用集中也能互相借鉴，异质任务下提升最明显。

推荐理由：这篇论文用几何先验替代隐式正则，参数更少但效果不输主流DEQ，做图像复原的可以看看。

推荐理由：用LLM预测足球比分？论文把Dixon-Coles和LLM结合成可审计管道，英超前150场Top-3精确率从26.7%提到30.7%，还说了哪里没用。

推荐理由：做艺术标注的可以看：ArtAnno用LLM智能体挖隐含语义，还把标注经验回传给AI，双向增强。

推荐理由：想不靠人工标注就给模型打分？这篇论文用数学定理把理性检验变成可计算惩罚，还给了三个现成公式。

推荐理由：ORACLE开源了：一个模型按偏好向量调模拟电路，不用重训；2000个用例上比现有方法快20-104倍。

推荐理由：一篇用百万参数模型研究思维链的论文，提出Protoreasoning，能有效提升分布外泛化，比大模型实验更好分析。

推荐理由：他们揪出了SciCode基准里的263个坑，修完后模型分数从60%直接飙到98%——原来不是模型笨，是考卷错了。

推荐理由：这篇论文用自验证循环替代人工标注，把世界模型的长期漂移降了44%，复合动作准确率翻近4倍，做视频生成或具身智能的可以看看。

推荐理由：想知道哪些Horn-ALCHI本体查询能改写成GQL？这篇给出DL自动机判据，一批以前没法重写的查询现在有解了。

推荐理由：想了解AI审计盲区？这篇综述翻了4259篇文献，发现只有58篇关注系统集成，现有审计忽略了组件交互风险，值得看看。

推荐理由：NAVSIM v2.2评分有个大坑：数值后端一换，不看路的Ignore-All反而排名第一。论文给出复现步骤和审计协议，跑防御性驾驶评估前先测回放稳定性。

推荐理由：符号回归老被单一大模型提示词卡住，这个A-SR让不同智能体分工盯不同失败信号，准确率从25%拉到48%，还开源蒸馏路子，值得看一眼。

推荐理由：遥感领域缺精细的篡改定位数据集，这个原型集合了拼接和扩散修复两类篡改，还带掩码和元数据，做取证研究可以直接拿来测。

推荐理由：搞 agent 记忆的人该看看：ContextWeave 拿真实办公流做了1005个任务，能看出召回记忆到底帮不帮得上忙。

推荐理由：7B搜索器先看仓库再路由，SWE-bench Pro追平最强模型，成本降五分之一，换新修复模型不用重训。

推荐理由：这篇论文把SDPO从简单题搬到难题上，发现loss降了但准确率不涨，还提出PI偏置分数解释原因，值得做蒸馏的人看。

推荐理由：做科学 ML 的人可以看看这个，它把数据、训练、筛选、报告都串成现成管线，省去自己拼装的麻烦，还自带基准结果。

推荐理由：这篇论文提出了一种不用人工任务标注的训练方法，让LLM智能体自己从环境里找目标学，在ALFWorld和ScienceWorld上有效，还能给后续强化学习打底子。

推荐理由：论文提出SVI-DAG，用归一化流建模边依赖，在贝叶斯DAG学习里不确定性量化赢过5个基线，结构精度也没落下。

推荐理由：这篇论文发现：渐进适应时任务分得越细，每个任务训练时间反而要按1/N缩放。用MNIST和Yearbook验证了，做持续学习的朋友可以看看。

推荐理由：这篇论文提出CoCoEvolve，不用人工标注就能让模型对齐图表、表格和代码，四个基准上都有提升，做多模态可视化数据的人可以看看。

推荐理由：这篇论文提出用时间差异做视频生成音频，不用额外网络，效果还超过了对比预训练方法，值得做V2A的人看看。

推荐理由：复用嵌入式函数前，先看看这篇：RAG加硬件校验，SonarQube假阳性率93.6%，能帮你避免硬件不兼容的坑。

推荐理由：这篇论文给出了一套错配缓存审计法，对比LatentMAS、KVComm、C2C后发现，基准涨分不等于真在传潜在思维。

推荐理由：这篇论文用变分法啃下了结构化数据上感知器学习的难题，上下界只差参数优化顺序，数学上挺漂亮，推荐给喜欢理论推导的人。

推荐理由：这篇论文把神经符号AI拆成RAIL四个原则，用同一套框架分析Alpha-*和工具增强LLM，搞系统设计的人可以翻翻。

推荐理由：CIR-ACTIVA能对信用违约互换利差做因果冲击预测，短周期准确性领先观测基线，金融风险场景适用。

推荐理由：TurnSight 把工具推理的强化学习拆到回合级，用事后视角筛信号，三个基准上都有效，代码开源了。

推荐理由：编译器漏掉的优化，LLM 能补上？SeGaBench 测出最强模型在 93% 用例上拿到性能提升，挺有意思。

推荐理由：Video-DR 让 AI 边看视频边上网核实信息，35B 参数干翻 Claude-4.5-Sonnet，还开源了，值得试试。

推荐理由：ReflectRL 把失败样本当教材，让模型先反思再直接推理。在 9 个基准上稳定提升，还挺轻量。

推荐理由：这篇论文用HIVE工具对比语音和键盘输入的扰动，发现语音转写对模型影响更大，键盘错字反而扛得住。想知道输入方式怎么影响LLM表现可以看看。

推荐理由：量子QNC^0能采的分布，扩散LM加CoT也采不出；Transformer要宽度n^Ω(1)才够。

推荐理由：这篇把测试时算力按题分配：难题多算、简单题少算，还比固定预算省采样。

推荐理由：这篇论文解释了为什么 AI 智能体比经典博弈论预测的更合作，提出了一套新理论框架，搞 AI 安全和多智能体系统的人值得看看。

推荐理由：它把解释当HP实际原因，用SCM建模输入依赖，搜索算法保证完备且最小，还发现忽视依赖会多出14.9%虚假原因。