研究提出以社工诱饵为签名的信息窃取活动追踪框架，识别出 177 个真实活动
作者提出一套双框架系统，利用窃取日志中的受害者侧痕迹，把社工诱饵当作活动签名，将近乎实时的单次感染聚合成高保真信息窃取活动。该框架在软件与游戏生态分别建立流水线，能检出两个生态中全部大型和中型活动（一个中型游戏活动仅在与另一活动合并时被找回），小型活动检出效果下降。对 177 个真实活动的分析显示，软件类活动 60% 以上的感染集中在最初十天内，游戏类活动则持续时间越长增长越猛。
#评测/基准
arXiv · cs.CYAI 评分5858 arXiv · cs.DB精选AI 评分7575 PQR-Search 为动态向量数据库的近似最近邻检索提供逐查询召回保证
作者提出 k-ANN 算子 PQR-Search，对每个查询保证 Pr[Recall(q) < τ] ≤ δ，且 τ<1 时 E[Recall(q)] ≥ τ，该概率只来自索引内的随机旋转，插入删除后无需重新调参。
推荐理由：针对 ANN 索引只调平均召回的问题，给出逐查询召回保证并量化其相对 HNSW 的延迟与吞吐代价。
arXiv · cs.DBAI 评分4040 欧洲调研：ML 从业者如何看待欧盟监管要求下的数据质量
一项针对 180 余名欧盟数据从业者的在线调研发现，当前数据质量实践与欧盟监管要求之间存在明显差距。研究同时提出一个将既有数据质量维度与具体欧盟监管要求对齐的实用框架，并指出从业者需要更集成的数据质量工具，以及技术与法律人员之间更好的协作。
arXiv · cs.DBAI 评分4040 理论驱动的二分网络投影骨干提取方法
研究者提出一类新的网络骨干提取算法——理论驱动骨干提取，允许将已知动态机制编码进过滤过程，而非沿用结构与统计方法中数据无关的检验。该方法针对二分结构的投影与骨干提取，让用户为两类节点指定 Agent-Based Model，并通过 Simulation-Based Inference 拟合观测结构以重建两类节点间的真实关系。
arXiv · cs.DBAI 评分5858 SchemaBridge 基准：评估 LLM 对关系数据库模式的理解与设计能力
作者提出 SchemaBridge 基准，包含来自三个集合的 902 个模式，按规模与约束复杂度分层，并分别对表、属性、域（数据类型与可空性）、实体和参照完整性计算保真度。
arXiv · cs.DBAI 评分4040 基于探针的路由方法为连接优化器选择求解器
针对 PostgreSQL 仅按关系数量在 DP、GEQO、MCTS 间选择连接顺序求解器的问题，论文提出两个由探针在每查询微秒级从随机连接顺序计算出的特征：尾部间距 α 和交叉意外度 θ。
arXiv · cs.DBAI 评分5858 VASTRA：按查询复杂度控制流程的智能体视频 Top-K 检索系统
VASTRA 是一个智能体视频检索系统，它按查询复杂度决定执行流程，而不是采用开放式推理循环：简单查询直接从预摄取摘要中排序，困难查询只在相关性不确定处做定向验证。
arXiv · cs.DLAI 评分4040 缺失引用历史下纵向文献计量排名的可靠性评估
一项可复现的案例研究框架被提出，用于审计 Google Scholar 引用历史缺口并量化纵向指标与排名对缺失数据假设的敏感性。案例覆盖 595 篇出版物、2024-2025 完整日历年，三种缺失值场景下可计算增长与加速指标的文章数从 196 增至 257 和 490。
arXiv · cs.CV精选AI 评分6060 研究在碰撞检测任务上评测连接组约束的果蝇视觉模型 FlyNet 的鲁棒性与效率
研究者在可微 3D 渲染管线中的碰撞检测任务上，将受突触连接组约束的连续时间循环网络 FlyNet 与 CNN、RAFT 及无连接组约束的 sCTRNN、CTRNN 对比。
推荐理由：论文把果蝇连接组约束模型与 CNN、RAFT 放在同一碰撞检测任务上比较鲁棒性与算力，并给出对抗纹理与视错觉同源的机制解释。
arXiv · cs.CV精选AI 评分7272 DisasterVLG 发布 124 万张灾害图像多任务数据集，覆盖视觉定位与证据式推理
研究团队构建 DisasterVLG 大规模多任务数据集，包含来自 142 个国家的 124 万张灾害图像和 3300 万条结构化标注，覆盖密集描述与定位、事件评估、关系场景描述和灾害视觉问答（VQA）。
推荐理由：该数据集把灾害场景的视觉定位与证据式问答统一起来，并给出人工核验测试集，便于评估模型在真实不确定性下的推理能力。
arXiv · cs.CV精选AI 评分6060 Blueprint2CAD 基准发布：评测视觉模型能否匹配工程图与 CAD 渲染图
研究团队提出 Blueprint2CAD 基准，用于判断正交线工程图与另一视角的着色渲染图是否对应同一零件，其数据层 BlueCAD-30K 基于 29,925 个 Zero-to-CAD 模型生成六视角图纸与渲染。
推荐理由：该基准把视角变化与骨干网络的影响分开考察，并给出冻结编码器和零样本 VLM 的具体表现，便于读者判断工程图检索任务的真实难点。
arXiv · cs.CVAI 评分5858 CAT-Free：无需标定、标注与目标场景训练的多视角 BEV 行人检测与跟踪
作者提出 CAT-Free，仅用同步 RGB 视频完成多相机行人检测与跟踪，无需相机标定、位置标注和目标场景训练。方法先从视频估计相机位姿与地平面，再跨相机三角化检测并关联成轨迹，并用两个几何过滤器剔除不稳定估计和离地位置，阈值由无标注视频估计。
arXiv · cs.CVAI 评分5050 第 8 届 LSVOS 挑战赛报告：移动端统一多模态理解（MUMU）赛道
第 8 届 LSVOS 挑战赛 MUMU 赛道要求单一统一模型在 0.5B 参数、8 GB 峰值推理内存预算内同时完成多概念图像打标、开放词表目标检测和简短图像描述。
arXiv · cs.CV精选AI 评分7070 Kosmo-GFM：面向生产场景的几何基础模型与位姿优化系统
研究团队提出场景重建系统 Kosmo-GFM，整合几何基础模型 GFM、位姿优化引擎 PoseEngine 与 KosmoWorld 的重建监督。在 SpatialBench 的 Sparse 和 Medium 子集上，GFM 取得最低绝对相对深度误差和 5 度阈值下最高相对位姿 AUC，并在五个数据集上取得最低动态点与场景流平均端点误差。
推荐理由：原文给出几何基础模型与位姿优化引擎的完整系统设计，并在 SpatialBench 等基准上给出与 GLUEMAP 的精度和运行时间对比。
arXiv · cs.SE精选AI 评分6969 CrossPloit：面向 Python Web 应用跨版本 PoC 迁移的基准
研究团队发布 CrossPloit 基准，包含 45 个 CVE 的 127 个跨版本 PoC 迁移实例，每个实例配有版本固定的容器、参考 PoC 和漏洞专用 oracle。
推荐理由：该基准用可执行 PoC 验证漏洞版本区间漏报，并给出 18 种 Agent 配置的自动化迁移上限。
arXiv · cs.SE精选AI 评分6666 Oracle-to-PostgreSQL 迁移智能体是否真在学习？一项带审计的评测
研究团队对 Oracle-to-PostgreSQL 迁移智能体的经验记忆做了审计式评测：在 1,833 对文档来源参考上，持久记忆把参考一致性（RC）比无记忆基线提高 0.015 [0.004。
推荐理由：通过审计式评测拆解记忆增益中的参考泄漏与复制效应，并给出六条区分跨任务学习与指标假象的评测规则。
arXiv · cs.CV精选AI 评分7575 Fog-FWL：用于恢复雾中隐藏目标的大规模全波形 LiDAR 数据集
研究团队发布 Fog-FWL 数据集，包含 7,527 帧真实雾天全波形 LiDAR 数据（Fog-FWL-Real，来自 8 个场景、58 个序列，规模是现有唯一真实雾天 FWL 数据的 579 倍）和 12,000 帧物理仿真数据（Fog-FWL-Sim）。
推荐理由：该数据集同时提供真实雾天全波形基准与物理仿真训练集，并支持严格的 sim-to-real 评测，便于读者判断雾天目标恢复任务的难度与数据缺口。
arXiv · cs.SEAI 评分5858 Rasoi：用可视化 diff 评估编码智能体所做结构性改动
作者提出 Rasoi，一种把代码库架构在每次编码智能体编辑后的变化映射出来的设计探针，可让开发者按多个抽象层级查看哪些架构元素与关系被新增、修改或删除。在为期一周、12 名开发者使用各自代码库的研究中，可视化 diff 帮助开发者判断改动是否在范围内、发现意外的结构重组，并理解被修改部分与整体系统的关系。
arXiv · cs.SEAI 评分5858 DafnyCert 为 Dafny 规格强弱生成可复核证书
作者提出 DafnyCert，为 Dafny 方法的规格强弱自动生成可独立复核的证书：强规格通过构造并验证 harness 证明任意输入至多一个输出，弱规格则用 MutDafny 找能通过原规格的变异体，再用 Hypothesis 生成原程序与变异体输出不同的见证输入。
arXiv · eess.IVAI 评分4747 多碎片 2D/3D 配准何时可信？骨盆骨折透视的校准认证与不确定性驱动视角规划
针对骨盆骨折透视，该研究提出闭环配准流程：每次拍摄后配准所有碎片，用校准的三明治协方差界定误差并标记不可信碎片，再决定停止或规划下一视角。在 60 例留出骨折 CT 的模拟透视中，95% 误差界覆盖了 83% 未标记碎片，但第二视角起 14% 碎片误差超过 5mm。
arXiv · cs.CV精选AI 评分6060 RipBench：统一评测裂流检测、分类与分割的多层级基准
研究团队提出 RipBench，一个在统一数据与标准化划分下评测裂流分类、轴对齐与旋转目标检测以及实例、语义、全景分割的基准。基于 304 段视频（303,491 帧，其中 51,011 帧标注了全部六项任务），帧级分类达到 F2 = 0.93，而最佳检测器和最佳实例分割器分别只有 0.72 和 0.66，且模型排名随任务变化。
推荐理由：该基准在同一数据与划分下统一评测六项裂流任务，暴露出粗粒度识别与精细空间理解之间的性能落差。
arXiv · cs.RO精选AI 评分7878 Reins：前沿多模态模型零样本驱动真实机械臂完成长程任务
作者提出 Reins 框架，让现成的前沿多模态模型借助 3D 感知工具和可报告接触与抓取状态的原子动作，操作双臂机器人完成长程、接触密集的操作任务。在五个真实任务上，GPT-6.1 Sol 在自然语言提示、无任务专用代码的条件下成功率为 88%；不使用该框架时，它在所有 shell game 任务上均失败，耗时是前者的 8 倍。
推荐理由：作者提出让前沿多模态模型通过工具与原子动作驱动双臂机器人的框架，并给出真实机器人长程任务的成功率对比。
arXiv · eess.IVAI 评分4040 头颈自动轮廓勾画中选择性复核覆盖率如何解读：Mayo 记录与 OpenKBP 分析
研究基于 3,968 份 Mayo 记录与 OpenKBP 对照分析，拆解头颈自动轮廓勾画中选择性复核系统的结构可评估性、计算终点状态与通过/复核决策。Mayo 记录中 1,167 例空预测全部为终点阴性却通过两个模块，约占各通过集的 76%；OpenKBP 测试中逻辑回归路由器 AUC 为 0.833、平均精度 0.449，但放行了全部 544 例不可评估候选。
arXiv · cs.RO精选AI 评分6767 ManiLadder：按难度分层校准的机器人操作仿真基准
作者提出机器人操作仿真基准 ManiLadder，包含 112 个任务，按 4 个难度等级分层，每级 8 个类别，覆盖刚体与可变形物体、单臂与双臂、夹爪与灵巧手。为校准难度，每个任务固定相同数据量，用统一的 flow-matching 模仿学习策略在相同训练与评测协议下运行，以成功率作为经验难度信号，并跨随机种子、策略和智能体学习系统验证难度区间。真实实验显示任务难度排序在仿真之外仍保持。
推荐理由：该基准按任务难度分层校准，并跨随机种子、策略和真实实验验证难度排序，可供读者判断机器人操作能力的评测设计。
arXiv · cs.CV精选AI 评分6767 研究发现驾驶世界模型只移动相机而非场景，并提出 ReTime-Compose 免训练修正
作者用真实驾驶日志的重定时与立体视角构造反事实参考，发现已发布驾驶世界模型对场景变化的复现比例最多约为真实视频的三分之一，轨迹分数也无法区分速度指令被执行还是被忽略。
推荐理由：论文用真实驾驶日志构造反事实参考，指出驾驶世界模型只动相机不动场景，并给出免训练修正方案。
arXiv · eess.ASAI 评分4242 双域SSL融合实现统一全类型音频深度伪造检测，AT-ADD Track 2 排名第二
该研究提出双域SSL融合方法，将语音、环境声、歌声、音乐等异构音频映射到统一的二值真伪空间，以EAT-large与wav2vec 2.0 XLS-R-300M作为互补特征源，通过逐层加权融合与token级融合整合多层级伪造痕迹。系统在AT-ADD Track 2评测集上取得95.58% Macro-F1，在挑战赛中排名第二。
arXiv · cs.CVAI 评分4242 面向跨评分标准手术技能评估的联合嵌入预测方法
研究提出 Predictive Rubric Alignment（PRA）联合嵌入预测方法，用自然语言技能等级描述为手术视频打分，而非绑定固定评分标准的等级或数值。
arXiv · cs.CV精选AI 评分6262 SAVE：智能体视频推理中更简单的框架反而更有效
研究者在 Gemini 3 Flash 和 Gemma 4 两个骨干上对多种智能体视频推理框架做受控评测并核算 token 与成本，发现多数现有框架未能稳定优于原生视频推理且常增加开销。
推荐理由：在统一骨干与成本核算下比较多种智能体视频推理框架，并给出更简单的 SAVE 方案，便于判断复杂度是否值得。
arXiv · cs.CVAI 评分4242 用肯定式提问说"不"：面向冻结 CLIP 的肯定式分解与证据反思方法 NAES
针对冻结视觉语言模型能匹配描述中的概念却不尊重否定（如"没有烤面包机的厨房"反而偏好含烤面包机的图像）的问题，作者提出否定感知证据评分 NAES，借助轻量文本分解器 NegSplit 把否定描述改写为肯定查询并按描述结构组合证据。
arXiv · cs.CVAI 评分5858 研究揭示干扰图像经中间层注意力影响 VLM 推理，提出答案一致性正则化提升 16 个百分点
研究系统分析三个 7-8B 开源 VLM 在五个加入干扰图像的感知基准上的表现，发现即使模型正确识别出相关图像，干扰图像仍会拉低准确率，说明仅做图像选择并不够。
arXiv · cs.ROAI 评分4242 主动物体搜索需要什么样的世界模型？不完美检测下的研究
研究者提出 Bayesian Active Miss-aware Object Search（BAMOS），在 Isaac Sim 与 HSSD 房屋中系统消融目标信念、占据信念及检测器误差对搜索决策的影响。
arXiv · cs.ROAI 评分4242 GraSLA：以抓取假设为几何先验的轻量空间-语言-动作模型
GraSLA 是一个以抓取假设为几何先验的轻量空间-语言-动作模型，用空间与语言基础模型编码场景几何和任务语义，并通过双向交叉注意力与抓取假设融合来预测连续动作。在 LIBERO 上，GraSLA 取得 99.30% 的平均成功率。
arXiv · cs.CV精选AI 评分6262 RSLiveBench-UAV：面向航空空间智能的持续演进视觉语言基准
作者提出 RSLiveBench-UAV，一个由持续采集真实无人机影像驱动的视觉语言基准，采用只收录上一版本发布后拍摄图像并延迟公布答案的更新协议。基准包含来自10个场景的35,491条问题记录、覆盖2D感知、3D感知、跨视角感知与推理共17项任务，全部使用确定性评分而非模型评判。
推荐理由：该基准用持续采集的真实无人机影像更新题目，并给出30个模型的横向评测结果，可供读者判断航空空间智能的评测现状。
arXiv · cs.CV精选AI 评分7474 RPG 基准：AI 篡改视频检测器在真实部署条件下表现如何
研究团队提出 Reality Perception Gap（RPG）基准，包含 1 万段来自前沿生成器和部分合成编辑的视频，并经过跨平台转发压缩处理，同时搭配带有相机端光学伪影的真实素材。在 18 个检测器上，当误报率为 1% 时，没有一个检测器能识别出超过 15% 的伪造视频。对照实验和重编码扫描显示，生成器与内容偏移在压缩前就已削弱检测能力，而转发压缩会抹掉基于伪影的检测器所依赖的低层痕迹。
推荐理由：该基准把转发压缩与硬件伪影纳入评测，18 个检测器在 1% 误报率下漏检率极高，为视频取证评测提供了更贴近部署的设定。
arXiv · cs.CVAI 评分4242 从像素到提示词：物理引导的语言增强用于 AI 生成图像检测
研究提出物理引导的多模态框架，用 Laplacian 方差、Sobel 统计量和残差噪声方差等 5 个核心物理特征构建结构化文本描述，结合 LoRA 微调的 CLIP ViT-L 14 检测 AI 生成图像，推理时仅需输入图像。
arXiv · cs.CVAI 评分5858 OrthoPairGTL：用配对几何监督提升跨域深度伪造检测
作者提出几何训练框架 OrthoPairGTL，在部分冻结的 DINOv3 主干（约 300M 参数）上训练 PEFT 适配器，对成对真实与伪造样本做正交配对分解与超球正则。
arXiv · cs.ROAI 评分4040 你的世界模型知道动作有后果吗？——评估反事实动作后果建模保真度的新框架
针对具身世界模型（WM）现有指标只评估输出质量（重建清晰度、任务成功率）而无法衡量反事实动作后果建模保真度的问题，该研究提出通过敏感性分析检查模型对动作扰动的强制响应，以此审计 WM 对反事实动作后果的预测能力。作者指出，将 WM 部署到硬件上需要新的评估框架来分析状态误差与敏感性预测准确性之间的权衡。
arXiv · cs.ROAI 评分5353 Terrain-Aware Thompson Sampling：面向多无人机搜救的地形感知 Thompson Sampling 算法
作者提出一种去中心化的地形感知多无人机 Thompson Sampling 算法，用于搜救任务：用位移环、海拔、流域、扩散角和轨迹偏移等 SAR 模型把地形数据转化为失踪人员位置的概率分布，并以逐单元高斯后验的贝叶斯更新平衡探索与利用，同时用森林覆盖率刻画植被遮挡带来的观测不确定性。
arXiv · cs.NEAI 评分4242 分块可加性何时失效？诊断并修复基于蒸馏的架构搜索中的可加性假设
研究在 DeiT-S、DeiT-B、Swin-T 和 Qwen2.5-0.5B 各七个延迟预算下检验分块蒸馏架构搜索的可加性假设：微调后，可加整数规划在温和预算下最多落后成对交互感知方案 1.6 个 top-1 点，但在激进预算下差距达 17.5 点、困惑度相差 1.9 倍。
arXiv · cs.NEAI 评分4040 混合二值-连续变量的黑盒优化：进化式模型合并中的挑战与机遇
论文将 DFS 模型合并形式化为混合二值-连续黑盒优化问题，指出变量类型混合、最多 291 个参数组的高维搜索空间和 Type-I 条件变量依赖三大挑战。