BioBigBird：面向生物医学长文本的稀疏注意力模型
研究者推出 BioBigBird，一个在生物医学文献与临床数据上预训练的双向语言模型，采用稀疏注意力机制处理最长 4096 token 的序列。模型通过多阶段训练降低语料噪声，并用多任务学习（MTL）框架联合优化命名实体识别和关系抽取。在 BLURB benchmark 上的评测结果显示其与 SOTA 模型表现相当，模型已公开可用。
#论文/研究
新闻、仓库与研究，按时间排列。
arXiv · cs.CLAI 评分3131 arXiv · cs.CL精选AI 评分5353 arXiv 论文：结构化请求的呈现方式会放大 Judge 模型对对抗性线索的误接受
Hongliang Liu 在 arXiv（2610.11436）发表的论文显示，给候选答案加一个冒号即可让作为评审的 Jev 错误接受明显错误的最终值，误接受率在 200 个 DROP 与 GSM8K 源簇上从 1.0% 升至 26.0%（三标签）和从 3.0% 升至 26.5%（四标签、排序 JSON 键）。插入式呈现下两种候选变体均被拒绝，GPT-6 Sol 未观察到线索条件下的误接受。作者指出基础评审能力可以与固定编辑在不同等价请求呈现下的脆弱性差异共存，但参考感知语法与复合排序变化限制了发现的适用范围，内部成因未测量。
推荐理由：论文用配对干预和统计校正分离了候选编辑与请求呈现的影响，读来能看到评审模型判分稳定性被呈现方式左右的量化证据。
arXiv · cs.CLAI 评分4141 SAIL：通过科学感知循环实现科研智能体智能
SAIL Model Team 发布开源科研智能体模型 SAIL，总参数 35B、激活 3B，面向文献调研、科学编程和多步科研工作流。其训练采用科学感知改进循环：由前沿模型构建的智能体分析任务失败并生成针对性训练任务，再经监督微调、专家训练、多教师 on-policy 蒸馏和智能体强化学习完成训练。SAIL 在科研任务上以远少于主流开源模型的参数量取得有竞争力的表现。
arXiv · cs.CLAI 评分3131 超越语音描述文本：面向对话 TTS 的语音奖励风格规划（SRSP）
一项 arXiv 研究提出 Speech-Rewarded Style Planning（SRSP），用冻结的下游 TTS 模型训练文本风格规划器，并以目标语音 token 的 teacher-forced likelihood 作为奖励，通过 GRPO 优化。在 ISCSLP 2026 CoT-TTS 语料英语子集上，SRSP 相比 Base LLM 与目标音频描述基线获得更高的语音风格和情感相似度、更低的 mel-cepstral distortion，在上下文恰当性与参考一致性评测上也优于所有基线。
arXiv · cs.CL精选AI 评分5555 arXiv 论文提出与自我改进 agent 协同进化的可审查 grader 方法
Xing Zhang 在 arXiv 发布论文（arXiv:2610.11464），提出把 verifier 作为进化对象，用小型确定性 drawback 检测器组合、出生门控和十项锚定参照集加共识来选择，而非以 agent 分数为准。MBPP+ 上比手写种子组合提升 +0.21 held-out agreement；实验发现移除锚定守护会退化为永远通过的空 grader，但下游任务分数不变，说明任务分数无法认证自进化 verifier；其 Double Ratchet 方案在代码生成、text-to-SQL 和报告生成上保留 88-110% 的基准提升。论文已被 NeurIPS 2026 Workshop 收录。
推荐理由：论文用锚定参照集与共识验证协同进化的 verifier，并指出仅靠下游任务分数无法证明其可靠，方法可迁移到自我改进 agent 的评测设计。
arXiv · cs.CLAI 评分3333 SAGE：面向视觉定位的注意力汇感知引导增强方法
一项 arXiv 研究（被 EMNLP 2026 Findings 接收）提出 SAGE（Sink-Aware Guided Emphasis），用于改进视觉语言模型解码器的视觉定位并减少幻觉。研究发现解码器早晚期层存在跨提示不变的注意力坍缩（PIS），中间层才负责视觉-语言对齐。SAGE 利用 CLIP、ViT、DINOv3 等骨干生成的 token 对齐 ROI 掩码，引导注意力从 PIS 转向查询相关区域，在多个公开基准上取得一致提升。
arXiv · cs.CLAI 评分2929 MARI：为 LLM 推荐系统蒸馏结构化决策记忆，突破序列建模局限
论文提出 MARI（Memory-Augmented Recommendation with Interpretability），通过决策记忆库（DMB）以结构化决策记忆（SDM）记录用户的目标、约束与权衡，经 Post-Hoc Decision Distillation 从异构行为离线生成，检索后增强 LLM 推理。实验显示 MARI 在标准 next-item prediction 和新提出的 Difficult Choice Prediction 任务上显著超越 SOTA 基线，且因记忆构建与在线推理解耦而延迟开销低。
arXiv · cs.CLAI 评分3131 LLM 中的现代标准阿拉伯语（MSA）是否支配阿拉伯语方言？一项表征层面分析
该研究将语言支配框架适配到 26 种阿拉伯语变体，检验“LLM 内部表征由现代标准阿拉伯语（MSA）支配”的假设。结果未发现 MSA 在各层、各模型族中构成支配性内部表征，方言表征反而形成高度重叠的稠密空间，归一化互信息相比差异更大的语言急剧下降。研究表明 MSA 偏向的生成输出并不必然反映内部表征支配，分析多语言与方言 LLM 时应区分生成偏差与内部表征几何结构。
arXiv · cs.CLAI 评分4949 Residual Advantage：面向可验证奖励 RL 的学生相对教师引导方法
研究者提出 Residual Advantage（RA），将师生概率残差视为有界单步奖励，并结合 GRPO 或 REINFORCE++ 改进 RLVR 训练。在 Qwen3-1.7B-Base 和 Qwen3-4B-Base 学生搭配 Qwen3-8B 教师的实验中，RA 在三个数学 benchmark 的全部 24 组对比中均优于基础序列优势算法，macro Avg@8 提升 1.7–3.6 点，Pass@8 提升 3.9–6.3 点。其 CoRA 变体进一步带来 1.0–1.5 Avg@8 点提升，两种组合均超越仅用教师的 OPD。
arXiv · cs.CLAI 评分2929 何时可以剪枝网络？多语言语音句法分析中中间神经网络作用研究
研究人员在端到端语音句法分析中检验中间神经网络单元的作用，提出移除这些单元的更简架构，参数减少 12%，同时在 ASR 和解析任务上达到与先前方法相当或更好的性能。实验发现中间 NN 单元有助于在冻结预训练编码器时缩小表示差距，并在法语以及中低资源语言斯洛文尼亚语和 Naija 上进行了全面评估，还考察了训练数据规模与预训练语音编码器中间层的影响。论文将发表于 Findings of EMNLP 2026。
arXiv · cs.CLAI 评分4343 多智能体 LLM 谈判中的宪法门控与确定性恢复：对有状态对抗性 Gatekeeper 的消融研究
该研究提出三层控制栈——5-Pillar 运行时宪法、4 层 swarm（Director、三智能体多数投票、Monitor、schema hard gate）与 Cognitive Annealing，用于应对多智能体 LLM 与有状态对抗性 Gatekeeper 谈判中的浪费问题。30 次运行（Gemini 2.5 Pro 智能体、Claude Haiku 4.5 Gatekeeper）显示：swarm 解锁时仅需 7-8 次调用和约 15k tokens，比基线低 67-73%；在合规死锁下原子清除加确定性 strike 5/5 逃逸，而纯 LLM 引导为 0/5（Fisher p = 0.008）。监控与硬门控不减少解锁但留下审计轨迹，平均调用与 token 减少的预注册假设未获支持。
arXiv · cs.CLAI 评分3535 WebLoop：面向网页生成的执行驱动循环学习方法
清华团队等提出 WebLoop，一个在共享策略中联合学习生成、批判与修正的执行驱动框架，为无需执行的 Critic 引入需求级判别力与下游有用性互补信号。基于 Qwen3.5-9B 的 WebLoop 在 WebRise 上达 41.5 Overall，在 WebGen-Bench 上达 38.9% 准确率，分别比基座模型提升 11.3 和 15.4 个点。增益可迁移到首次生成、27B 规模及多模态输入，且受控分析表明仅靠额外一轮修正无法解释该提升。
arXiv · cs.CLAI 评分2828 Prosody-to-Text：从低通滤波语音预测文本
一项 arXiv 研究首次探索 prosody-to-text 任务，对 Whisper 进行微调，仅使用最低 12 个 Mel bins（约 450Hz 截止的低通滤波）恢复原句，WER 达 36%，其中 10% 的语句被完美还原，40% 的语句 WER 低于或等于 25%。给定正确前缀时，下一个 token 的预测准确率为 79%。结果表明低频语音特征与词汇内容的关联远强于以往认知，未来或可用韵律引导 LLM 的文本生成。
arXiv · cs.CLAI 评分4848 SWE-Journey：通过长程多轮交互更真实地评测编程助手
研究者推出编程助手评测基准 SWE-Journey，用 weak-to-strong 合成流水线自动构建长程编码任务，并基于真实交互数据挖掘四种用户画像、构建用户模拟智能体还原多轮交互。实验显示，模型在软件架构师场景下平均通过超过 75% 的功能测试，非程序员场景下则不足 25%。作者将差距归因于 asking right、finding right 和 fixing right 三项关键能力。
arXiv · cs.CLAI 评分3838 Structured Harness 实现增量式开放式深度研究（Incremental-OEDR）
一篇 arXiv 论文提出 Incremental Open-Ended Deep Research（Incremental-OEDR），将研究报告视为可演化的研究状态，通过保留有效知识、修订过时内容并纳入新信息进行增量更新，而非从头生成报告。配套提出的 Structured Harness 将报告表示为大纲、章节和证据的结构化集合，提供结构化检索、持久化证据池与结构化生成。在覆盖十年的 DeepResearch Bench 与 DeepConsult 评测中，该方法相比 OEDR 在 DeepResearch Bench 上最高提升 0.51 的内容级 ROUGE-L F1、0.63 的大纲级 EM F1，并降低 33% token 消耗和 61% 搜索调用次数。
arXiv · cs.CLAI 评分4242 Elastic Expert Routing：平滑稀疏 MoE 的 top-k 路由边界
arXiv 论文提出 Elastic Expert Routing，通过在以 k 为中心的局部离散分布中随机采样激活专家数，将静态 top-k 路由的硬阈值软化为渐进概率分布，并保持推理算力预算不变。在监督微调中，该方法使 OLMoE-1B-7B 和 Qwen3-30B-A3B 的下游宏平均分别提升 +0.84 和 +2.02 分；从头预训练时平均比静态 top-k 基线高 1.6 分。
arXiv · cs.CLAI 评分4242 Chronos 让代码智能体具备软件演化推理能力
Chronos 是一个测试时框架，将已合并的 pull requests 蒸馏为结构化经验卡片，并通过代码、开发者意图与组织关系的类型化图谱连接，供 LLM 代码智能体检索历史经验。在 SWE-Bench Verified 上，该完整流程将 SWE-Agent 六个 LLM 后端的平均解决率从 69.2% 提升至 72.9%，配合 MiniMax M2.5 达到 79.8%；同后端下在 SWE-Bench Pro 与 FEA-Bench Lite 上分别从 48.3% 升至 51.7%、41.0% 升至 43.5%。100 个任务的人工评测中，基于图谱的检索使平均有用卡片数从 1.24 增至 2.87。
arXiv · cs.CLAI 评分2828 将英语质量分类器适配至多语言 LLM 预训练数据选择
一项 arXiv 研究提出把现有英语质量分类器改造为多语言版本的方法，用于超过 100 种语言的 LLM 预训练数据筛选。方法是在 Transformer encoder-only 模型嵌入上训练小型 MLP，以机器翻译文本的英语分类器评分作为标签。1B、3B 和 8B 规模实验显示其效果与现有多语言模型过滤基线相当，且不损害区域与文化知识 benchmark，分类器还能泛化到训练数据未覆盖的语言。
arXiv · cs.CLAI 评分2222 MH-INDIC：超越平均值的印度孕产健康 LLM 文化对齐评测框架
研究者提出 MH-INDIC 框架，通过 10 个孕产健康推理维度评测 LLM 在印度北部城市及半城市语境下的文化对齐，并基于对 102 名孕妇及产后女性的 26 项调查评估 10 个 LLM。结果显示多个模型可逼近人群级分布，但在不同人口与家庭画像上的行为差异显著低于真人群体。基于真人画像的条件化提示能提升画像对齐与对话质量评分。
arXiv · cs.CLAI 评分5151 ProloNg 测试题用 Prolog 探测大语言模型长程演绎推理能力
研究团队构建了 ProloNg 合成测试题，用 Prolog 表达的演绎逻辑系统变化推理深度，最难情形达到深度 22、上下文 62k。对 5 个家族共 8 个推理模型的测试显示，随推理深度增加性能大幅下降，多数模型在深度超过 10 后接近随机水平。
arXiv · cs.CLAI 评分4848 大语言模型版本更迭削弱 AI 辅助科研写作筛查的可靠性
一项 arXiv 研究用 4,000 篇 PNAS 前 ChatGPT 摘要及 3 家厂商 23 个 LLM 版本（2023 年 6 月至 2026 年 8 月发布）的重写文本，量化模型版本更迭对 AI 写作筛查的影响。仅用旧版本训练的检测器在模型代际边界处性能崩溃：以误报 1% 人工摘要为基准，边界前可捕获超 99% 的重写，边界后骤降至 3.8%。模拟场景中，覆盖全部 23 个版本的筛查要么误报八分之一的人工摘要，要么漏掉最新版本三分之一的重写，一款商业检测器漏掉了边界后版本的大部分重写。
arXiv · cs.CLAI 评分3535 UXBench Pro：多轮对话中个性化用户体验的基准测试
UXBench Pro 是一个面向多轮对话个性化用户体验评测的基准，包含基于真实用户交互的 1,000 个测试实例，覆盖 12 个任务场景和 82 个领域，每个实例配有刻画七类可解释行为侧面的 FACTORS 用户画像。该基准采用双视角范式：个性化 User Reward Model（URM）提供第三人称评判，Sim4Eval 用户模拟器支持多轮交互并从四个认知状态维度做第一人称评估，并引入 URMBench 和 USimBench 两个元基准检验评估器的可靠性。
arXiv · cs.CLAI 评分2020 音系感知分词用于德语语音识别：一项跨领域研究
该研究在 Omnilingual ASR wav2vec 2.0 骨干上以 CTC 微调，比较多语言字符、BPE 和基于 Pythen 音节划分的音系感知三类分词器，共进行 40 次微调，在三个德语测试集（域内朗读、方言自发、标准德语自发语音）上评估。域内各分词器在 WER 和 CER 上表现相当；小词表下音节感知分词在方言和自发语音上占优。音素混淆分析显示各分词器错误模式相同，表明错误拓扑主要由声学编码器而非分词器决定。
arXiv · cs.CL精选AI 评分6161 arXiv 论文提出诊断式规则判断 LLM Agent 何时应从 harness 进化转向权重训练
arXiv 论文（arXiv:2610.11655）提出按失败构成诊断 LLM Agent 的改进路径：进程类失败交给 harness 进化，内容类失败交给权重训练。在 DeepPlanning 上，自进化 harness 将 Qwen3.5-4B 的 held-out 分数从 0.16 提到 0.30、Qwen3.5-9B 从 0.32 提到 0.44；在进化 harness 轨迹上训练的 LoRA 适配器在原 harness 下为两种规模各加 +0.13，9B 上适配器单独即可匹敌完整进化线，内容失败从四分之一轨迹降到二十分之一；该方法还迁移到 WebArena-Lite（117 个未见任务上 +0.09）。
推荐理由：论文给出按失败构成在 harness 进化与权重训练之间做选择的诊断规则，并用 Qwen3.5 与 WebArena-Lite 数据支持其可迁移性。
arXiv · cs.CL精选AI 评分5555 DIAL-OPD：按学习价值筛选 token 提升在线策略蒸馏效果
Anhao Zhao 等提出 DIAL-OPD，一种在线策略蒸馏中的 token 选择方法，用教师与学生概率的对数均值加权奖励，保留得分最高的 token。在 4 组师生模型和 7 个数学推理基准上对比 9 个基线，仅保留 40% token 即超过全 token Vanilla OPD，平均准确率提升最高 5.25 个百分点，AIME25 Pass@16 从 13.33% 翻倍到 26.67%，并用 4B 教师超过 8B 教师的全 token 基线。
推荐理由：论文用概率空间加权解决 on-policy 蒸馏中低低 token 的干扰，给出了跨 7 个基准的对比数据，方法有可迁移性。
arXiv · cs.CL精选AI 评分5454 TRACE 协议诊断智能体评测中 verifier 的脆弱性
arXiv 论文提出 TRACE 协议，通过配对运行、行为对比和重打分，把 LLM agent 分数变化区分为能力变化与评测本身的变化。在 25 个合成任务中重命名工具使脚本 agent 分数降 0.250，打分时恢复原名可完全弥合差距；88 个任务的重命名实验中八个 agent-change 对里七个 reward 变化在 ±0.10 内，误导性工具名则使所有 agent reward 下降 0.20-0.44；相同重跑会翻转 15-36% 的任务结果，两个前沿 LLM 评审在 57% 的相同记录上判断不一致。
推荐理由：论文用配对实验把智能体评测分数变化拆解为能力与测量两类原因，对解读 LLM agent 基准分数的读者有直接参考价值。
arXiv · cs.CLAI 评分1515 结构化情感分析：用序列标注求解依存图解析
一项研究将结构化情感分析任务转化为依存图解析，但改用序列标注方式，借助线性化图编码为输入中的每个词分配标签，从而捕捉情感持有者、目标和表达构成的图结构。实验覆盖五种语言（英语、西班牙语、挪威语、巴斯克语和加泰罗尼亚语）的七个数据集，性能与更复杂的领先单模型方法相当。
arXiv · cs.AIAI 评分1919 超越 LLM-GA：用 ReEvo 设计的模因算法保障流体天线系统安全
一项 arXiv 研究提出基于反思进化（ReEvo）的模因算法，用于解决流体天线系统（FAS）的安全端口选择问题，防范窃听。与现有 LLM-GA 仅用 LLM 设计交叉或变异算子不同，该算法让 LLM 离线进化出交叉、变异和局部搜索三类算子，嵌入模因搜索框架后执行时无需在线调用 LLM。相同代数下仿真显示，其安全和速率高于传统 GA 及现有 LLM-GA。
arXiv · cs.AIAI 评分3030 当科学认知不再稀缺：arXiv 论文提出“稀缺性反转”概念
一篇 arXiv 论文提出“稀缺性反转”：当机器系统在文献综合、假设生成、软件开发、仿真与分析等可计算的科学工作中优于人类时，科学将转而受实验、观测、可靠结论与问责性机构权威等稀缺资源约束。论文分析选择、物理接入、验证与组织选择四个方面，并指出国家实验室应通过受控实验、受保护数据和专家判断把充裕的机器推理转化为可信结果。
arXiv · cs.AIAI 评分4646 TestGRAD：通过失败模式动量演化测试套件的 SWE-Agent 集成选择框架
TestGRAD 是一个用于 SWE-agent 集成的自动测试优化框架，将基于测试的补丁选择建模为测试空间优化，核心包含差分损失、全 CRUD 梯度和失败模式动量三个机制。在 SWE-bench Verified 上，TestGRAD 采用 4-agent 集成达到 84.2% Pass@1，超过最强基线（80.6%）3.6 个百分点，同时将失败历史上下文压缩超过 100 倍。
arXiv · cs.AIAI 评分1919 非线性双时间尺度随机逼近中的平稳偏差与外推分析
一篇 arXiv 论文研究由外生有限状态 Markov 链驱动的非线性双时间尺度随机逼近中的平稳偏差，推导出误差界在慢步长远小于快步长时仍一致的一阶偏差展开，揭示 $\varepsilon^2/\eta$ 混合贡献项。研究表明幂律步长路径下偏差指数可为非整数，Richardson–Romberg 外推需匹配路径的权重，并用可解非线性 Markov 例子验证系数、对 temporal-difference learning 验证了局部化。
arXiv · cs.AIAI 评分2525 基于被动变化检测的分段平稳自整定调节实现 O(log) 遗憾界
该 arXiv 论文研究含外生输入、系数在未知时刻变化的未知自回归系统的最小方差控制，提出 PIECE-CD 算法：先探索、报警后重新探索，并用门控递归最小二乘控制，能量测试通过窗口输出功率与噪声底之上的阈值比较来检测变化。在扰动有界、检测间隔固定、稳定性与可行性条件及变化间隔充分长时，证明以至少 1-δ 的概率取得 O((C+1)log((T+1)/δ)) 遗憾界，其中 T 为时域、C 为变化次数，同时控制全程误报并证明对数检测延迟。
arXiv · cs.AIAI 评分2525 OOM-RL II：现实是 Oracle 而非调试器——持续演化的智能体工程系统中的溯源约束诊断
arXiv 论文以一个人工主导、智能体工程化的量化交易系统为案例，考察生产 ML 系统中的“结果—诊断鸿沟”：该账户一年内盈利并跑赢大盘指数，但主回溯口径下年度 alpha 与零无统计学差异，且推荐到运行时的完整绑定记录缺失，无法确定唯一原因。论文区分冻结实例、预定义自适应流程与临时开发，提出证据层级和一个前瞻性生产绑定协议，强调外部反馈只能约束结果声明，诊断分辨率取决于溯源信息。
arXiv · cs.AIAI 评分2222 QuSema：用量子知识增强智能体检测量子库中的静默 bug
研究者提出自主测试智能体 QuSema，利用量子语义与文档约束作为源码级语义 oracle，在量子库中查找静默 bug。其已适配 Qiskit 和 PennyLane，在 20 个历史静默 bug 基准上平均定位数超过 Claude Code 和 Codex，且 DeepSeek 配置成本低于 Claude Code。QuSema 还发现 40 个经开发者确认的未知 bug，其中 30 个为静默 bug。
arXiv · cs.AIAI 评分4949 Stale, Misattributed, or Late：语言智能体个人记忆在生成前的失效分析
一篇 arXiv 论文以 Personal Fact Memory（PFM）为参考层，直接测量语言智能体记忆在生成前的失效：在受控修订基准上，只服务正确键控槽位的活跃值可消除陈旧暴露，而不做更新解析时 70.3% 的提示词暴露被取代值；参与者感知的 BM25 与参考排序器差距在 0.02 边际内等价。研究还发现四个 LLM 键分配器虽召回率高于规则抽取器却产生更低干净检索率，LongMemEval 上开放域合并召回率不超过 0.062，实体后验无法区分 LoCoMo 中同名发言者；作者主张应在生成前评估智能体记忆。
arXiv · cs.AIAI 评分2626 LoomSC：基于投影因子分解与精确谱约简的可扩展深度子空间聚类
LoomSC 框架通过投影因子分解和精确谱约简解决子空间聚类中稠密自表达矩阵与全亲和度谱聚类的可扩展性问题，整个流程在固定维度和迭代预算下具有关于样本数的线性时间与内存复杂度。在五个图像聚类基准上，LoomSC 在与 9 个最先进基线的全部 15 组数据集-指标对比中均列第一或第二，平均准确率超过最高基线均值 6.66 个百分点，合成实验扩展至 500,000 样本仍保持至少 99.8% 准确率。
arXiv · cs.AIAI 评分2828 有限行动时间下 AI 智能体的安全考量
一项 arXiv 理论研究指出，现有看似证明对齐的方案大多忽视了智能体所处的环境。作者在部分可观测、需在有限时间内采取行动的环境中分析了 agent-agnostic 安全保证的理论界限，并构造无限状态空间与信号混合两个现实场景，证明即使是完美智能体也无法保证安全行为。结论是任何 AI 安全或对齐证明都必须将环境与相应安全动作同智能体一并具体考虑。
arXiv · cs.AIAI 评分3636 容错基础模型：LLM 可被训练适应不可靠硬件
一项 arXiv 研究显示，LLM 可以被训练以容忍硬件不可靠性，且随着模型规模增大，其错误韧性反而提升。基于 40,000 GPU-hours 在模拟故障数字硬件上的训练，研究者推导出修正的神经缩放定律，并猜想经过适当训练的 LLM 可能是形式上容错的，这意味着在低功耗故障硬件上运行 AI 推理有望带来可观的能耗节省。
arXiv · cs.AIAI 评分4040 LLM 辅助生成透明、开源的电化学器件多物理场模型
研究者利用前沿大语言模型智能体，从机器可读的建模规范中自动构建电化学 CO2 还原多物理场模型，全部采用开源 Julia 实现。智能体独立构建的模型与等效 COMSOL 实现的峰值 CO 分电流密度偏差在 0.7% 以内，彼此间偏差在 0.04% 以内。该框架让物理描述和控制方程而非专用代码成为计算建模的主要输入，提供了比商业软件更透明的建模路径。
arXiv · cs.AIAI 评分2323 细胞与细胞核实例分割的可持续性感知性能指数 SAPI 评析
研究者提出可持续性感知性能指数 SAPI，将分割性能、能耗与模型规模结合以评估细胞与细胞核实例分割模型。他们在六个 CellBinDB 数据集上对 19 个预训练与基础模型进行零样本推理测试，并用少样本适配评估 16 个可微调模型。结果显示更大、算力需求更高的模型并未持续带来成比例的分割质量提升，SAPI 排名与单纯性能排名不同。