该方法在多个数据集上达到SOTA性能，尤其在Visa数据集上F₁-max和AP指标分别提升10.3%和7.7%。 【速读】：该论文旨在解决当前端到端自动驾驶方法在决策过程中对场景动态演化关注不足的问题，这类方法通常采用”一次性”（one-shot）范式，仅依赖当前场景上下文进行动作预测，从而难以在复杂驾驶场景中做出适应性与前瞻性更强的决策。 解决方案的关键在于提出SeerDrive框架，其核心创新是通过闭环方式联合建模未来场景演化与轨迹规划：一方面利用预测的鸟瞰图（BEV）表示提前感知环境动态变化，另一方面将此先验信息注入轨迹规划模块以生成更具前瞻性的路径；具体由两个关键组件实现——未来感知规划（future-aware planning）和迭代式场景建模与车辆规划协同优化，从而显著提升模型在真实复杂交通场景中的决策能力。
ODIs 提供了 360°×180° 的全向视野，广泛应用于虚拟现实（VR）、增强现实（AR）和具身智能（Embodied Intelligence）等场景，但现有 MLLMs 在此类复杂空间信息的理解上表现有限。 为填补这一空白，作者提出了 ODI-Bench——一个包含 2000 张高质量 ODIs 和超过 4000 对人工标注问答对的综合性基准，涵盖 10 个细粒度任务，覆盖一般层面与空间层面的理解需求。 实验表明，主流 MLLMs 在 ODIs 上的表现仍存在显著局限。 为此，论文进一步提出 Omni-CoT，一种无需训练的方法，通过跨文本信息与视觉线索的链式思维（Chain-of-Thought, CoT）推理机制，显著提升 MLLMs 对全景环境的理解能力。 其关键创新在于利用 CoT 推理框架实现对 ODI 中空间结构和语义内容的协同解析，从而增强模型在沉浸式场景下的推理能力。 【速读】：该论文旨在解决视障或低视力（Blind or Low Vision, LESBIAN PORN SEX VIDEOS BLV）人群在极端或复杂环境中的行走辅助难题，其核心瓶颈在于缺乏对场景的全局理解能力。 为应对这一挑战，作者提出了一种名为mmWalk的模拟多模态数据集，其关键创新在于整合了多视角传感器信息与面向无障碍通行的特征，涵盖120条人工控制的、按场景分类的行走轨迹，共62,000帧同步数据及超过559,000张RGB、深度和语义模态的全景图像，并特别包含室外典型边缘案例和BLV用户专属地标。 此外，研究构建了mmWalkVQA视觉问答基准（含69,000余个三元组），用于评估模型在风险识别与导航决策上的表现，实验表明当前最先进的视觉语言模型（Vision-Language Models, VLMs）在零样本和少样本设置下仍存在显著性能不足，而基于mmWalk微调后的模型在真实世界数据上展现出更强的实用性，验证了该数据集在推动多模态行走辅助技术发展方面的有效性。 【速读】： 该论文旨在解决检索增强生成（Retrieval-Augmented Generation, RAG）中一个关键问题：现有方法通常将检索到的文本片段视为通用”有用性”（utility），忽视了不同大语言模型（Large Language Models, LLMs）对同一段落的利用效果存在显著差异。
【速读】： 该论文旨在解决多智能体系统（Multi-Agent Systems, MAS）中由于多个大语言模型（Large Language Models, LLMs）协同交互所引发的刻板偏见（stereotypical bias）问题，特别是其在系统内部如何涌现、传播及放大。 解决方案的关键在于识别并量化三个核心因素的影响：智能体内部专业化程度、底层LLM的质量以及智能体间通信协议的设计。 研究发现，尽管MAS整体上比单智能体系统更易受偏见影响，但通过采用合作式或辩论式通信机制可有效抑制偏见放大，同时使用更具鲁棒性的底层LLM能提升整个系统的公平性与稳定性。 【速读】： 该论文试图解决的问题是：Transformer语言模型中注意力机制（attention mechanism）的核心设计原则是否必要，以及这些原则对模型性能的具体贡献是什么。 现有研究普遍认为点积注意力机制的成功源于其四大关键特性——跨位置信息混合、序列依赖激活、特定数学形式（点积相似度加Softmax加权）及查询与键耦合到当前层隐藏状态的结构。 在虚拟现实（VR）环境中展示全景电影有两种模式，非立体视觉模式（2D）和立体视觉模式（3D），这两种不同的连续播放模式对情绪唤醒的激活效果是否存在差异以及相关的神经活动特性尚未得到充分的研究。 本文通过设计认知心理学实验，分析同步采集的头皮脑电信号，对比研究了VR-2D和VR-3D视觉模式对情绪唤醒的影响，并利用支持向量机验证VR-2D与VR-3D模式神经生理特征的差异。 结果发现，VR-3D影片诱发出的脑电能量显著高于VR-2D影片（主要体现在α和β活动上），VR-3D模式下显著提高的β波能量表明立体视觉带来了更强烈的大脑皮层活动，可能引发了被试者更高的唤醒度；与此同时，大脑枕区更强烈的α活动也暗示着VR-3D影片可能引发了更高的视觉疲劳度。
其核心解决方案是提出多路径计划聚合（Multi-Path Plan Aggregation, MPPA）框架，该框架通过识别推理层级中的规划与执行步骤并发现多数错误源于错误规划，进而采用基于token位置的可变间隔策略生成多个候选计划，并通过轻量级LoRA模块对这些计划进行聚合以优化初始规划阶段。 此外，为提升训练效率和稳定性，作者引入在线Step-DPO方法，利用扭曲顺序蒙特卡洛（Twisted Sequential Monte Carlo, TSMC）实现基于小模型的可扩展步骤级监督，显著优于传统基于结果奖励的强化学习（Outcome-Reward RL）方案，在仅使用10%监督微调数据和5%偏好样本的情况下，在数学、科学和逻辑推理任务上超越了DeepSeek-R1蒸馏基线和结果奖励RL基线。 【速读】：该论文旨在解决大型语言模型（Large Language Models, LLM）驱动的智能体（agents）因自主性和情境复杂性增强，导致传统访问控制（Access Control, AC）机制失效的问题。 传统基于静态规则的访问控制在面对动态信息流时显得力不从心，难以适应智能体交互中的多变场景。 解决方案的关键在于提出一种新的框架——智能体访问控制（Agent Access Control, AAC），其核心是将访问控制重构为一种动态、上下文感知的信息流治理过程。 AAC包含两个核心模块：一是多维情境评估，综合考量身份、关系、场景与规范等要素；二是自适应响应生成，通过删减、摘要和改写等方式对信息进行精细化处理，而非简单的允许或拒绝决策。 这一方案借助专用的访问控制推理引擎，旨在实现人类级的语境判断能力与可扩展的AI安全之间的平衡，为可信智能体设计提供全新的理论视角。 【速读】：该论文旨在解决未知蛋白质序列功能解析这一基础性挑战，传统方法通常依赖于特定任务的适配器或大规模监督微调，存在泛化能力弱和数据依赖性强的问题。 解决方案的关键在于提出”蛋白质作为第二语言”（Protein-as-Second-Language）框架，将氨基酸序列重构为大型语言模型（LLM）可理解的符号化句子，并通过上下文示例引导模型在零样本设置下生成序列-问题-答案三元组，从而揭示功能线索，无需额外训练。
传统方法常依赖奖励模型或复杂的多目标优化，导致训练不稳定或性能瓶颈。 此外，文中设计了针对匹配负样本的infoNCE指标（如 Sufficiency Index, SI），用于量化CoT对政策的编码强度，从而在训练前筛选高价值原则，显著改善小规模模型（1B参数）的训练稳定性和下游任务表现，验证了推理、对齐与鲁棒性可统一为单一信息几何目标的假设。 【速读】： 该论文旨在解决当前基于logit的知识蒸馏（Knowledge Distillation, KD）方法在压缩大语言模型（Large-Scale Language Models, LLMs）时存在的局限性，即静态策略无法适配学生模型动态学习过程的问题。