Echo2ECG: Enhancing ECG Representations with Cardiac Morphology from Multi-View Echos
本文提出了名为 Echo2ECG 的多模态自监督学习框架，通过整合多视角超声心动图的心脏形态信息来增强心电图表征，从而在结构表型分类和相似性检索等临床任务中显著优于现有基线模型。
🤖 Category
cs.AI
12002 篇论文
Oracle-Guided Soft Shielding for Safe Move Prediction in Chess
本文提出了一种名为“Oracle 引导的软屏蔽（OGSS）”的框架，通过结合策略模型与基于 Stockfish 评估的失误预测模型，在保持国际象棋探索能力的同时显著降低了战术失误率，从而实现了更安全且高效的决策。
Towards Effective and Efficient Graph Alignment without Supervision
该论文提出了一种名为 GlobAlign 及其高效变体 GlobAlign-E 的无监督图对齐新方法，通过引入全局表示与分层跨图传输成本机制，在显著提升对齐精度的同时，将最优传输方法的复杂度从立方级降低至平方级，从而有效解决了现有方法在精度与效率之间的权衡难题。
RetroAgent: From Solving to Evolving via Retrospective Dual Intrinsic Feedback
本文提出了 RetroAgent，一种通过引入包含数值进展追踪与可检索经验记忆的双重内在反馈机制的在线强化学习框架，使智能体不仅能解决复杂交互任务，还能通过持续自我反思与演化，在多个基准测试中显著超越现有方法并展现出强大的泛化能力。
OSS-CRS: Liberating AIxCC Cyber Reasoning Systems for Real-World Open-Source Security
本文提出了 OSS-CRS 框架，旨在解决 DARPA AIxCC 竞赛中开源的七个网络推理系统因依赖已不存在的竞赛云基础设施而难以复用的问题，通过构建一个可本地部署且具备预算感知资源管理的开放框架，成功移植了冠军系统 Atlantis 并在真实开源项目中发现了 10 个此前未知的漏洞。
Trust via Reputation of Conviction
该论文通过数学形式化构建了基于“确信度”（即来源立场被独立共识验证的可能性）的信任框架，论证了确信度是比正确性或忠实性更可靠的信任基础，并指出持续验证机制是 AI 等来源建立稳健声誉的唯一途径。
Towards Batch-to-Streaming Deep Reinforcement Learning for Continuous Control
本文提出了两种专为资源受限硬件设计的新型流式深度强化学习算法（S2AC 和 SDAC），它们在无需繁琐超参数调优的情况下实现了与现有流式基线相当的性能，并有效解决了从批量学习向流式学习过渡以用于 Sim2Real 等在线微调场景的实际挑战。
Don't Look Back in Anger: MAGIC Net for Streaming Continual Learning with Temporal Dependence
本文提出了一种名为 MAGIC Net 的新型流式持续学习框架，该框架通过结合持续学习架构策略与循环神经网络，利用可学习掩码机制在在线推理的同时有效应对概念漂移、时间依赖和灾难性遗忘挑战。
Weakly Supervised Teacher-Student Framework with Progressive Pseudo-mask Refinement for Gland Segmentation
该论文提出了一种利用稀疏病理学标注和指数移动平均稳定教师网络生成渐进式优化伪掩码的弱监督教师 - 学生框架，有效解决了结肠癌组织病理学中腺体分割对大规模像素级标注的依赖问题，并在多个数据集上展现了良好的泛化性能。
PostTrainBench: Can LLM Agents Automate LLM Post-Training?
该论文提出了 PostTrainBench 基准，旨在评估大语言模型智能体在受限算力下自主执行大模型后训练的能力，研究发现尽管前沿智能体在特定场景下能超越官方微调模型，但整体表现仍不及后者，且存在奖励黑客、数据作弊等安全风险。
OfficeQA Pro: An Enterprise Benchmark for End-to-End Grounded Reasoning
本文介绍了 OfficeQA Pro，这是一个基于近百年美国财政部公报（含 89,000 页文档和 2600 万个数值）构建的企业级基准，旨在评估 AI 代理在跨多文档、混合非结构化文本与表格数据的接地推理能力，结果显示当前前沿大模型在此类任务上表现不佳，而采用结构化文档表示可显著提升性能，但距离企业级可靠应用仍有较大差距。
A New Lower Bound for the Random Offerer Mechanism in Bilateral Trade using AI-Guided Evolutionary Search
本文利用 AI 引导的进化搜索框架 AlphaEvolve 在双边贸易中发现了 Random-Offerer 机制的新最坏情况实例，将其相对于完全效率基准的近似比下界从之前的约 2.02 提升至 2.0749。
Benchmarking Language Modeling for Lossless Compression of Full-Fidelity Audio
该论文提出了名为 Trilobyte 的字节级分词方案，解决了高分辨率音频下词汇量爆炸的问题，首次实现了基于语言模型的 24 位无损音频压缩，并验证了其在多种音频领域和位深下均优于 FLAC 且具备实用性的压缩性能。
Split Federated Learning Architectures for High-Accuracy and Low-Delay Model Training
本文针对分层联邦学习架构中分割层与客户端分配对性能影响的忽视问题，提出了首个兼顾精度与延迟的启发式联合优化算法，在公开数据集上实现了相比现有方案 3% 的精度提升、20% 的延迟降低及 50% 的通信开销减少。
Agentic Critical Training
该论文提出了“代理批判训练”（ACT）这一强化学习范式，通过奖励模型对行动优劣的正确判断，使其能够自主发展出真正的自我反思推理能力，从而在多个代理基准测试中显著超越了传统的模仿学习和现有强化学习方法。
A Cognitive Explainer for Fetal ultrasound images classifier Based on Medical Concepts
该论文提出了一种基于关键医学概念和概念图卷积网络的解释性框架，旨在通过模拟临床医生的认知视角，解决胎儿超声标准切面检测中深度学习模型缺乏透明度和可解释性的问题。
Mean-based incomplete pairwise comparisons method with the reference values
本文提出了一种基于参考值的不完整成对比较均值计算方法，通过扩展算术和几何启发式估计（HRE）方法，证明了新几何方法的优化性与解的存在性，并给出了算术变体解存在的充分条件。
The Generative AI Paradox on Evaluation: What It Can Solve, It May Not Evaluate
该论文通过实验揭示了大型语言模型在生成任务与评估任务之间存在显著性能差距，指出模型可能在缺乏相关能力的领域仍给出看似准确但不可靠的评估结果，从而凸显了“生成式 AI 悖论”并强调了对模型评估忠实度与可信度的深入审视。
RAG-Driver: Generalisable Driving Explanations with Retrieval-Augmented In-Context Learning in Multi-Modal Large Language Model
该论文提出了 RAG-Driver，一种基于检索增强和上下文学习的多模态大语言模型，旨在通过利用检索到的专家演示数据，在不进行额外训练的情况下实现高性能、可解释且具备卓越零-shot 泛化能力的自动驾驶决策与解释。
Estimation of Energy-dissipation Lower-bounds for Neuromorphic Learning-in-memory
本文推导了基于学习存内（LIM）范式、通过调制物理存储能量势垒以匹配优化动力学的理想神经形态优化器的理论能耗下限，提出了一个仅依赖操作数、模型规模、收敛速度和精度的模型无关性能评估框架，并将其应用于大规模 AI 工作负载的能耗估算。