Wasserstein 分布鲁棒优化的随机梯度法无正则化极限
该研究分析 Wasserstein 分布鲁棒优化中熵平滑正则化变体的随机梯度法，证明当正则化参数趋于零时近似梯度收敛到无正则化目标的次梯度，从而为随机梯度法提供收敛保证。在一般假设下给出定性收敛结果，并在额外正则性条件下给出收敛速率，包括迭代中逐步降低正则化水平时无正则化目标值的收敛速率（含采样误差）。分析还附带最大函数次微分平滑的近似结果与 Wasserstein 分布鲁棒优化对偶解的经验下界。
全部科研动态
arXiv · stat.MLAI 评分4242 arXiv · cs.CVAI 评分6060 病理基础模型是否编码疾病进展？一项对视觉表征的伪时间分析
研究用扩散伪时间方法检验病理基础模型是否在表征空间中按一致的进展方向组织疾病状态。在四种癌症进展和六个模型上，所有病理专用模型恢复的轨迹排序都显著优于零基线，其中仅用视觉的病理模型平均保真度最高；参考疾病上的轨迹保真度排名可预测留出疾病上的少样本分类表现（ρ = 0.91）。
arXiv · cs.CVAI 评分5858 ReflFlow：面向动态镜面重建的几何引导光线追踪框架
作者提出 ReflFlow 框架，用于高保真渲染动态镜面场景，核心是 Residual Material-Augmented 2D Gaussian Splatting 表示与 Dynamic Environment Gaussian，配合将渲染分解为漫反射与镜面分量的混合渲染管线，并用由粗到细的训练策略提升优化稳定性。
arXiv · cs.CVAI 评分5858 D2D：将检测器转为可微评论器，提升文生图模型的计数准确率
作者提出 D2D 框架，用自定义激活函数把不可微检测器的 logits 转成软二值指示量，从而在推理阶段优化噪声先验，让检测器参与文生图模型的计数引导。
arXiv · cs.CVAI 评分5858 LENS：冻结 MLLM 的即插即用分割方法，避免灾难性遗忘
作者提出 LENS（Leveraging kEypoiNts for MLLMs' Segmentation），在完全冻结的 MLLM 上附加轻量 head，从注意力图中提取关键点并转为 mask decoder 可用的提示特征，从而赋予模型像素级分割能力。
arXiv · cs.CVAI 评分5858 OMG4：面向动态场景的极简 4D Gaussian Splatting 压缩框架
作者提出 OMG4 框架，通过高斯采样、剪枝、合并三阶段构建紧凑的显著高斯集合，并将 Sub-Vector Quantization 扩展到 4D 表示，在标准基准上把模型体积缩小 60% 以上且保持重建质量。该方法针对静态与动态区域冗余分布不均、时间属性导致直接量化不稳定的问题，结合隐式外观压缩与分阶段量化进一步降低存储，代码已开源。
arXiv · cs.CV精选AI 评分7272 扩散模型如何记忆训练数据：研究给出数学解释
该研究对带 classifier-free guidance 的文本到图像潜在扩散模型建立数学分析，追踪去噪各步中训练图像被复现的过程。在预测为贝叶斯最优且一致有界的假设下，作者表明训练提示词-图像对上的损失足够低时，带提示词的预测在第一步去噪就能以高概率复现对应训练 latent，并给出 guidance 放大该 latent 偏离训练均值程度的界。
推荐理由：文章用贝叶斯最优假设推导扩散模型在去噪各步复现训练图像的条件，并统一解释现有检测与缓解策略。
arXiv · cs.CV精选AI 评分7676 SAGES CVS 挑战赛发布 AI 手术质量评估全球基准
SAGES Critical View of Safety（CVS）挑战赛构建了 AI 手术质量评估基准，汇集 24 个国家 54 家机构的 1000 段腹腔镜胆囊切除术视频，由 20 位外科专家按共识协议标注。
推荐理由：该挑战赛构建了1000段手术视频的专家标注基准，并给出13支队伍在性能、校准与鲁棒性上的对比结果。
arXiv · cs.CVAI 评分5555 MedGS：面向多模态三维医学成像的高斯泼溅重建框架
研究团队提出 MedGS，一个基于 Gaussian Splatting 的高保真三维解剖重建框架，可同时完成帧插值与分割，并利用图像合成提供的稠密信号约束几何。该方法将医学数据建模为带双颜色属性的 Folded-Gaussians，并引入 In-Between Frame Regularization（IBFR）机制，实验显示其指标高于隐式神经表示且插值质量更好，代码已在仓库链接公开。
arXiv · stat.MLAI 评分4040 全sig-jump-diffusions的期望签名及其在基于分数的生成建模中的应用
研究提出一类称为 entire sig-jump-diffusions 的半鞅，其特征由自身签名的线性组合给出，并证明其期望签名可通过在扩展张量代数中求解线性 ODE 计算。基于此，跳扩散的广义分数函数学习可归约为求解线性 ODE 与一个确定性优化问题，多项式跳扩散也可嵌入该框架。针对有限维数据，作者进一步提出基于逆签名匹配的替代方法，通过匹配反向过程与逆前向签名的期望签名来学习分数。
arXiv · cs.CVAI 评分5050 基于 Face2PPG 的实时远程光电容积脉搏波（rPPG）采集系统：设计与评估
研究提出一套基于 Face2PPG 流水线的实时 rPPG 系统，可从面部视频流中提取心率、呼吸频率和 SpO2，采用多线程架构与 FRP 结合 Actor 模型的混合编程模式，目标为 30 FPS 连续运行。
arXiv · cs.CVAI 评分5858 PhysPatch：面向 MLLM 自动驾驶系统的可物理实现对抗补丁攻击
作者提出 PhysPatch，一个面向基于多模态大语言模型（MLLM）的自动驾驶系统的可物理实现、可迁移对抗补丁框架，联合优化补丁的位置、形状与内容。方法包含基于语义的掩码初始化、结合 patch-guided crop-resize 的 SVD 局部对齐损失，以及基于势场的掩码细化。
arXiv · stat.MLAI 评分4040 高斯过程带状近似下的后验收缩速率
针对高斯过程回归训练成本达 O(n^3)、内存与预测成本为 O(n^2) 的问题，该研究提出按设计点空间邻近性稀疏化核矩阵的稀疏协方差近似方法。理论分析表明，只要为每个特征保留足够多邻近点间的依赖关系，该近似后验即可保持最优统计推断性质，并给出了一般情形下所需邻居数的显式充分与必要条件，应用于平方指数核与 Matérn 核。数值实验支持了上述理论结论。
arXiv · stat.MLAI 评分5252 Ariel Boyarsky 等提出外部有效性敏感性分析框架
Ariel Boyarsky、Naoki Egami 与 Hongseok Namkoong 提出一个部分识别框架，用于在站点数少于调节变量数时评估实验结果的外部有效性。
arXiv · cs.CVAI 评分6060 Neural Render Proxies 实现交互式可微光照重打光
作者提出神经渲染代理（NRP），将传统渲染解耦为路径采样与发光计算，从一次与光照无关的渲染中收集路径样本，训练场景专属轻量网络学习光传输，在固定相机与材质下实现约30-60 Hz的交互式重打光，并接近真实路径追踪的视觉保真度。
arXiv · stat.MLAI 评分4242 Fréchet 斜交森林：面向非欧几里得回归的新方法
研究者提出 Fréchet 斜交森林（FOF），用于预测变量与响应均位于度量空间的非欧几里得回归。该方法用 Alexandrov 内积得分在度量预测空间中定义方向性分裂，并通过成对响应距离评估候选分裂，避免分裂搜索中反复计算 Fréchet 均值。在相容树规则下，作者建立了积分一致性与多项式风险界，并在矩阵、分布、球面数据及出租车流量网络应用中展示了有竞争力的预测性能。
arXiv · stat.MLAI 评分4040 凸体上的梯度流：学习最优正则化器
论文研究凸体集合上的梯度流，用于从先验数据中学习最优凸正则化器，以求解不适定逆问题。该准则在体积约束下最小化期望规范（gauge）评估，经极体转化后具有隐藏凸性，并给出全局最优性的 KKT 条件。结果显示目标间隙沿梯度流指数衰减，Hausdorff 罚项方案得到依赖维度的收敛速率；当最优非凸正则器为 ℓ_p-拟范数（p∈(0,1)）时，最优凸正则器是体积归一化的 ℓ_1 球。
arXiv · cs.CVAI 评分6060 时空学习提升孔隙演化与流体驱替的量化精度
研究提出基于 Transformer 的 4D 分割框架，联合空间与时间信息处理时序 micro-CT 图像，在矿物溶解图像上比忽略时间信息的 3D 模型更准确地测量孔隙体积增长与岩石边界，并捕捉渗透率上升。该优势无需重新训练即可迁移到另一溶解样本，在两个流体驱替数据集上减少了预测岩石与孔隙度的虚假变化并准确识别充填事件。
arXiv · stat.MLAI 评分5252 论文指出离散 PID 控制器等价于循环神经网络，仅用三个权重即可学习增益
论文指出离散 PID 控制器精确等价于一个循环神经网络，其三个可训练权重与 PID 增益一一对应，且仅用一步物理代价训练即可通过梯度下降从任意初始化收敛到唯一的一步最优 PID 增益。
arXiv · stat.MLAI 评分4747 面向高维异质性学习的潜在半参数混合模型 CESME
研究者提出潜在半参数混合模型 CESME，假设观测数据经逐坐标单调变换后服从高斯混合，并在潜在空间采用稀疏最优聚类规则，用于高维聚类。理论显示其聚类误差收敛速率与已知真实变换时相当，模拟实验和真实数据分析中优于包括单细胞 RNA 测序专用方法在内的多种现有高维聚类方法。
arXiv · stat.MLAI 评分4747 面向右删失生命史数据的保形预测方法
针对多状态轨迹摘要（如出院存活时间、缓解期时长）的个体预测，研究提出一种在右删失下仍可校准的保形预测方法。该方法为每个候选区域定义覆盖判定时间，按逆删失概率加权观测到的覆盖决策，并用未决病史的条件覆盖概率补全估计；固定区域下覆盖估计对删失模型与条件覆盖模型双重稳健，校准区域给出有限样本覆盖下界。
arXiv · stat.MLAI 评分5858 综述：以 Generalized HMC 为框架梳理面向层次贝叶斯推断的 HMC 变体
该综述以 Generalized HMC 为组织框架，通过调整轨迹长度、动量刷新程度和是否加入 Metropolis 校正，把多种 Hamiltonian 与 Langevin 采样器统一为特例。
arXiv · stat.MLAI 评分4242 Polyak–Ruppert 平均线性随机逼近的精确高斯近似
针对有界 i.i.d. 系数的线性随机逼近，论文证明当步长按 $k^{-\gamma}$（$1/2\le\gamma<1$）衰减时，归一化 Polyak–Ruppert 平均在固定维凸集上的高斯近似误差上界为 $n^{\gamma-1}$，且每个固定模型都存在匹配下界。
arXiv · stat.MLAI 评分5858 交叉拟合异质性检验的零分布非正态，联合校准可控制一类错误
作者证明交叉拟合异质性检验中折间估计的依赖会改变零分布形状而非仅方差：单协变量最小二乘下两折呈双峰、多折呈偏态，任何方差修正都无法恢复检验水平，并构成对已发表中心极限定理的反例。为此提出联合校准，同时模拟用于排序和评估的矩并对抽样施加相同选择，具有渐近精确水平且无需重新拟合。在临床与营销试验及其协变量随机重分配实验中，标准检验显著抬高一类错误并产生虚假拒绝，联合校准可避免。
arXiv · cs.CV精选AI 评分7070 PixVid 将潜空间视频扩散模型提升到像素空间逐帧生成
PixVid 把预训练的潜空间视频扩散模型迁移到像素空间，用卷积头替换 VAE 解码器，直接逐帧生成像素视频。作者发现预测干净视频而非速度、配合更大的噪声偏移是保证质量的关键；从 Wan2.1-14B 微调后，在约 1.3M 训练片段内与潜空间基线相当，并以相同每帧 token 数生成 2 倍分辨率，深度条件视频编辑在快速运动下保持对齐，且能逐帧响应动作。
推荐理由：作者把预训练潜空间视频扩散模型迁移到像素空间逐帧生成，并给出与潜空间基线可比的条件和训练规模。
arXiv · cs.SEAI 评分5050 ASAP：面向二进制反编译的汇编-源码对齐伪代码精炼框架
ASAP 是一个汇编-源码对齐的伪代码精炼框架，用联合函数级与片段级对比对齐学习源码对齐的汇编表示，再由 Q-Former 将块级汇编特征压缩为固定数量的 assembly tokens，与反编译器伪代码共同条件化反编译 LLM。在两个反编译基准、多个编译器优化级别上，其平均重执行率从 64.7% 提升至 71.9%，平均重编译率从 91.6% 提升至 96.6%。
arXiv · cs.CVAI 评分6262 TTB：把跨视角注意力烘焙进轻量 MLP，让仅解码器视角合成模型渲染提速最高 23 倍
研究团队提出 Test-Time Baking（TTB），把仅解码器大视角合成模型（LVSM）中跨视角注意力的全局场景信息烘焙进轻量 MLP，实现快速高保真新视角解码。
arXiv · cs.CVAI 评分6262 K2V：用语言模型生成关键帧，提升视频生成的物理合理性
K2V 把物理推理从视频扩散模型转移到由语言模型驱动的关键帧生成模块，让模型先在语言层面显式推理并控制关键时刻的画面，再由视频生成模型在这些关键帧之间插值。作者称该方法在 Physics-IQ Verified 基准和 PhyGenBench 上取得 SOTA，显著优于现有方法。
arXiv · cs.SEAI 评分5858 scentree：为多阶段随机规划生成场景树的开源 Python 框架
作者发布开源 Python 包 scentree，用历史数据或概率分布采样构建多阶段随机规划所需的场景树。它结合机器学习与多变量时间序列模型生成保留变量间相关性的场景扇，再约简为保持随机过程代表性的场景树，并自动完成预测模型选择、参数估计、场景扇生成与场景树构建全流程，不假设底层数据分布，也可用于两阶段随机规划问题。
arXiv · stat.MLAI 评分5858 Almost ETH 下欧氏 k-means 近似近乎最优下界
作者指出 Cohen-Addad 等人提出的 XXH 在所需参数区间并不成立，并改在 3-SAT 的 Almost ETH 假设下重建归约，证明对任意常数 β∈(0,1)，当 k=ω̃(1/ε) 时欧氏 k-means 不存在运行时间为 2^{(k/ε)^{1-β}}·poly(n,d) 的 (1+ε)-近似算法。
arXiv · cs.CVAI 评分5858 BrickFlow：用连通性引导的流模型从图像重建乐高积木装配
Peter Kulits 与 Cordelia Schmid 提出 BrickFlow，给定一组 LEGO 零件和一张装配完成物体的图像，推断每个零件的位姿以完成装配。
arXiv · cs.CVAI 评分6767 Spatial Foundry：面向空间智能的多模态 3D 场景数据集
作者发布 Spatial Foundry，包含 5,280 个带可编辑资产的住宅 3D 场景配置，并提供对齐的视觉、几何与时间数据。其模态覆盖平面图、透视与全景 RGB、度量深度、点云、网格、实例级 3D 边界框以及配视频的相机轨迹，共享场景坐标把不同视角与时刻的观测关联起来。可编辑源场景支持生成额外相机路径和受控物体变化，项目页提供视频与交互式彩色点云预览。
arXiv · cs.SEAI 评分4242 SiamXBERT：用预训练语言模型实现 IoT 网络数据高效的未知攻击检测
研究者提出 SiamXBERT，一个基于预训练语言模型的数据高效开放集孪生元学习框架，用于 IoT 网络未知攻击检测。该框架融合流级与包级信息构建双模态特征表示，每类仅用 100 个标注样本学习相似性模式，并以无需未知攻击数据设定的阈值标记未知流量。在两个 IoT 入侵检测数据集上，其未知攻击 F1 分数分别比最强对比方法高 84.8% 和 37.4%。
arXiv · cs.CVAI 评分5858 Objects as Addresses：研究揭示 Vision Transformer 注意力中的实例绑定机制
研究在八个预训练 ViT 上发现，实例分离更多体现在注意力路由而非 token 内容中：同一物体的 patch 倾向于读取同一图像区域，作者称之为注意力地址。在 DINOv2 等骨干上编辑选定 head 的 query 组件可将注意力地址重定向到另一个体；按该 query 组件对 patch 聚类，FG-ARI 达 .615，而末层特征聚类仅 .289。
arXiv · cs.RO精选AI 评分7272 SWAM：通过跨模态对齐扩展世界动作模型
作者构建约 47,000 小时通用视频、第一视角视频、UMI 演示与机器人演示数据，系统研究语言-视频监督、语言-视频-动作监督及二者联合对世界动作模型性能的影响，并考察语言标注质量与动作监督的作用。
推荐理由：作者系统梳理了动作学习对语言-视频对齐的影响，并给出可复现的数据与训练配方，对做世界动作模型的研究者具有参考价值。
arXiv · cs.CVAI 评分5555 eDMD：面向少步扩散蒸馏的端点分布匹配方法
研究提出端点分布匹配蒸馏 eDMD，只用学生模型的最终输出训练单个共享 fake 模型，并用它校正每个去噪步骤，理论分析表明该端点参考下分布匹配项当且仅当学生最终输出分布与教师一致时消失。
arXiv · cs.ROAI 评分5858 Zora：用检索式推测解码与硬件加速提升 VLA 推理效率
作者提出软硬件协同框架 Zora，用基于 RAG 的轻量草稿模型替代额外神经草稿模型来加速 VLA 模型的自回归动作生成，并配合运动学引导的动作接受策略与 KV-cache 共享注意力降低批量验证开销。在 LIBERO 基准上对四个 VLA 模型评测，仅软件优化最高加速 3.4 倍，加入 Zora core 硬件支持后最高加速 7.6 倍，同时保持与 GPU 相当的精度。
arXiv · cs.CVAI 评分5858 Consensus Capture in Reference-Based UAV Video Stabilization：动态城市场景基准
作者提出两部分基准，用于测量参考帧无人机视频稳像中的共识捕获现象，即运动车辆的一致对应把鲁棒单应估计拉向自身运动、内点统计无法察觉。
arXiv · cs.SEAI 评分4040 BRQGen：面向缺陷报告的自适应完整性评估与追问生成框架
BRQGen 是一个迭代框架，仅在缺陷报告存在缺失或歧义信息时生成针对性追问，并在作者回复后继续评估新暴露的信息缺口。
arXiv · cs.ROAI 评分5858 HAVANA：面向视觉语言导航的分层视频-动作模型
作者提出 HAVANA 双系统视频-动作模型，将预测性推理与反应式局部规划解耦：慢系统根据观测历史生成紧凑的语言条件潜在规划，快系统结合最新规划与当前观测生成局部轨迹，异步执行且推理时不生成未来视频。在 OmniNavBench 上取得优于既有基线的导航性能，零样本真实环境部署也表现出对未见环境的泛化能力。