FD-VAD：流式全双工语音的语义端点检测
FD-VAD 是一种无需 ASR 的流式语义端点检测模型，将有界因果音频窗口直接映射为 Continue/Stop 决策，在 TurnBench dev 集上以零样本方式达到 EOT 召回率 0.853（FP<=0.10）。模型融合冻结语音编码器、轻量模态适配器与参数高效适配的语言模型，采用末段训练目标与置信度门控端点提交机制，在领域内和对话评测中均优于强基线。
#多模态
#多模态
今日 12 条arXiv · Computation and LanguageAI 评分3939 arXiv · Audio and SpeechAI 评分2222 InstCharVoice：基于自然语言指令的字符级可控文本转语音框架
InstCharVoice 提出一个统一框架，将自然语言指令映射到字符级声学控制，在 WordVoice-5A-zh 语料上使用 Qwen3-Omni 构建指令标注。模型通过关键词预测与接地感知损失加权，聚焦指令相关字符并预测其声学属性，再生成语音 token。实验显示在指令遵循和关键词级声学控制上优于代表性 ITTS 系统，同时保持自然度与字符级可控性。
arXiv · Computer VisionAI 评分2525 HEIR：基于功能角色学习人体-实体交互
HEIR 是一个包含 18,730 张图像的人体-实体交互基准，涵盖 6 种角色、105 种动作和 437 个名词，51.6% 的图像含多主体、62.1% 含多动作。CoRISP 利用共享实体身份组合角色条件证据，在 HEIR 上重复角色事件和共享参与者图像分别领先 2.87 和 3.82 Set mAP。代码和数据集已公开。
arXiv · Human-Computer InteractionAI 评分3636 教师视角下的 AI 多智能体模拟系统设计用于防治校园欺凌
研究者与 K-12 教师协作，基于大语言模型（LLMs）共同设计了一套多智能体反欺凌模拟系统，用于生成真实校园场景，帮助学生提升应对欺凌的能力。该研究明确了 LLM 驱动的多智能体模拟系统的关键设计参数，为开发更有效、可扩展的反欺凌工具提供参考。
arXiv · Human-Computer InteractionAI 评分2222 SPECTRA：面向自主边缘-云 GUI 定位的认知扰动与轨迹分析
SPECTRA 是一种轻量级自主请求框架，通过显著性引导的定向扰动和高效认知轨迹分析，在预填充阶段量化智能体高维认知轨迹的拓扑发散，避免低效的输出解码。实验表明，GTA1-32B+InfiGUI-G1-3B 和 GTA1-32B+Holo1.5-3B 分别以 37.58% 和 39.24% 的平均请求率，保留了 93.44% 和 95.60% 的云端独占性能。已被 ACM MM 2026 接收。
arXiv · Computer VisionAI 评分3434 HERO：肿瘤学鲁棒表征的组织学编码器
HERO 是一个基于 ViT-G/14 的病理学基础模型，采用 DINO 和 iBOT 目标训练，并在约 57.5 万例临床全切片图像的 5 亿个图块上进行高分辨率 Gram 锚定微调。在公开基准上，HERO 在中心、扫描仪和染色变化下的鲁棒性最强，39 个切片级临床任务平均排名第一，6 个基准框架的等权综合排名最优。
arXiv · Neural and Evolutionary ComputingAI 评分3535 多深度时间融合前馈局部训练脉冲神经网络
研究者提出多深度时间融合（MDTF）脉冲神经网络架构，通过时间至首次脉冲（TTFS）延迟处理静态图像与事件流。网络采用四层卷积骨干与无监督脉冲时间依赖可塑性（STDP）逐层训练，在MNIST、Fashion-MNIST、CIFAR-10和N-MNIST上验证，选择性多深度融合在Fashion-MNIST和CIFAR-10上分别提升18.2和29.2个百分点。代码已公开。
arXiv · Computation and LanguageAI 评分1212 开发用于提取韩语发票信息的 OCR 模型
提出一种结合深度学习与图像预处理的 OCR 模型，用于自动提取韩语发票中的关键信息。在收集的发票数据集上评估，达到 87% F1-score，且处理时间可忽略。
arXiv · Computer VisionAI 评分3535 CoVLM-Bench：面向协同驾驶问答与规划的真实世界基准
CoVLM-Bench 包含 2,196 对帧、35,136 条协同驾驶问答标注和 3 秒内 6 个航路点的规划目标。CoVLM-Drive 直接使用车路配对视角进行问答与规划，FDE 低于对比的 V2X 规划器，问答初始化与理由监督各自降低规划误差。
arXiv · Audio and SpeechAI 评分2222 Beyond Discrimination: Calibrated Geoprior Fusion for Bioacoustic Monitoring
Perch 和 BirdNET 等生物声学基础模型虽能高精度识别物种，但置信度未经校准、难以解释为真实出现概率。研究利用 WABAD 全局标注声学数据集生成校准先验，并提出将声学预测与地理先验融合的新方法，在保持判别能力的同时改善校准性，为生物多样性监测提供更可靠的声学方案。
arXiv · Neural and Evolutionary ComputingAI 评分3030 NeuroDyn-EEG：基于神经动力学的可解释 EEG 预训练模型
NeuroDyn-EEG 提出一种预训练框架，融合 Jansen-Rit 神经质量模型、leadfield 源投影与基于模拟的参数反演，在生理范围内用约 2.43M 可训练参数从标准 19 通道 EEG 估计 90 个 AAL 区域的 11 类区域参数及 1 个全局参数。
RIKEN AIPAI 评分1212 RIkEN AIP 18 篇论文被 EMNLP 2026 录用
RIKEN AIP 共有 18 篇论文被 EMNLP 2026 录用，其中 Main Conference 9 篇、Findings 7 篇、其他赛道 2 篇。论文覆盖探针鲁棒性、注意力机制、嵌入正则化、Mamba 位置记忆、Agent 技能攻击、MoE 压缩等多个方向。
Nature · Machine LearningAI 评分3636 机器学习从基因组预测噬菌体-宿主相互作用，不依赖系统发育
研究者开发了一个不依赖系统发育的机器学习框架，仅从基因组序列预测菌株水平的噬菌体-宿主相互作用，在115,037个相互作用、949种细菌菌株和518种噬菌体的数据集上验证，可匹配现有物种特异性模型并指导噬菌体鸡尾酒设计。
AIHubAI 评分3636 NTU Singapore 开发 AI 平台 PLATO 与 PhaseHub 预测相分离蛋白
NTU Singapore 团队开发 PLATO 数据库与 PhaseHub 分析平台，基于大语言模型挖掘 PubMed 文献并结合 MolPhase 算法，覆盖 5,118 条蛋白序列，其中 3,600 余条发生相分离、1,300 条未发生。研究发现真核生物相分离蛋白比例更高，且该比例随基因组增大趋于饱和。两平台已发表于 Molecular Plant。
Nature · Machine LearningAI 评分3434 物理信息机器学习 Pred-MutPRI 预测蛋白-RNA 复合物突变结合自由能变化
研究提出 Pred-MutPRI 框架，结合加权原子级相互作用网络、掩码 ESM-2 熵项与 AlphaFold3 局部有效应变描述符，用 XGBoost 回归预测蛋白-RNA 突变 ΔΔG。在序列不重叠、结构低重叠的盲测集上 PCC 达 0.705，优于现有预测器；数据集与 Python 包已公开。
Nature · Machine LearningAI 评分4646 SpaCEy 利用可解释图神经网络将组织空间模式与临床结局关联
summary_zh: SpaCEy 是一种基于图神经网络的可解释方法，用于在组织切片中发现与临床结局相关的空间重要区域。相比现有方法依赖预定义细胞类型标签或局部聚类，SpaCEy 能直接从连续分子测量中识别具有临床意义的连贯空间模式，并提供驱动结局的分子标记组合。
Nature · Machine LearningAI 评分1212 一种结构信息驱动的深度学习框架用于建模 TCR-肽-HLA 相互作用
Kai Cao 等人在 Nature Communications 发表一种结构信息驱动的深度学习框架，用于建模 TCR-peptide-HLA 相互作用。作者来自 Broad Institute of MIT and Harvard、Massachusetts General Hospital、MIT 等机构，研究获得 AstraZeneca、NIH、DOE 等资助。
Apple Machine Learning ResearchAI 评分2828 Apple 压缩流式神经音频编码器：基于潜在空间蒸馏的端侧语音分词器方案
Apple 研究提出通过潜在空间蒸馏压缩流式神经音频编码器，以预量化潜在表示作为监督目标，仅训练学生编码器回归教师逐帧潜在值。2.8× 压缩下，蒸馏学生在五个教师-学生对上相对 WER 保持在 1.9% 以内，且同等容量独立训练分词器提升 3.9%。该方案覆盖两种分词接口，无需微调。
Nature · Machine LearningAI 评分2626 UpTCR：统一渐进知识迁移基础模型用于稳健的 T 细胞受体-抗原结合识别
UpTCR 是一个用于 T 细胞受体-抗原结合识别的大语言模型，采用统一渐进知识迁移架构。作者来自江南大学、清华大学深圳国际研究生院、澳门大学、腾讯 AI for Life Sciences Lab 等机构，文章发表于 Nature Communications，2025 年 11 月投稿，2026 年 9 月接收并发表。
Nature · Machine LearningAI 评分1212 优化放疗交付的人工智能技术
综述探讨AI在放疗流程中的应用，涵盖器官分割、剂量预测、治疗计划优化与结局预测。涉及深度学习、U-Net、扩散模型及大语言模型在放疗物理与临床中的实践与挑战。
Apple Machine Learning ResearchAI 评分3333 How to Guide Your Language Flow
summary_zh: 研究者提出 probe guidance 方法，利用冻结的扩散模型内部状态构建引导信号，无需推理时额外前向传播即可为流匹配模型提供可靠引导路径。
Nature · Machine LearningAI 评分3030 科学家无需展开即可破译烧焦古卷轴
研究团队用铅元素检测法替代碳基扫描，成功在保持卷轴卷曲状态下识别出内部文字。他们用埃及纸莎草、日本灯黑墨和高温炉复原了碳化卷轴，并通过中子与X射线断层扫描结合自定义展开程序完成破译。
Nature · Machine LearningAI 评分2525 TangleDiff 通过深度学习纠缠设计生成具有可定制应力松弛行为的蛋白质水凝胶
TangleDiff 是一个深度学习框架，用于从头设计具有可编程特性的同源二聚体纠缠蛋白。其在 silico 成功率超过 70%，远高于当前模型约 1%。实验验证的 9 个同源二聚体中有 7 个成功形成水凝胶，且应力松弛动力学与指定的结合能相关。
Nature · Machine LearningAI 评分2828 ReScale4DL：平衡像素与上下文信息以增强生物图像分割
ReScale4DL 系统评估了图像分辨率对生物图像分割的影响，在分辨率降至原始 6%-25% 的下采样图像上训练 popular architectures，分割准确率最多提升 25% mean IoU 或仅下降不到 5%。下采样同等比例提升了信息吞吐并降低存储与推理时间，为高效、可持续、低成本的生物成像流程提供实用指导。
Nature · Machine LearningAI 评分2626 ConvexGating 从单细胞细胞术聚类中推断门控策略
ConvexGating 从单细胞细胞术数据的聚类结果中推断最优门控策略，旨在将聚类得到的细胞群体转化为可用于分选的高纯度、低步骤门控方案。flow cytometry、mass cytometry（cyTOF）和 CITE-seq 等高维数据场景中，手动门控依赖操作者经验且存在跨操作者变异，而聚类方法虽能无偏分离细胞却难以直接转为分选策略。
ScienceDaily · AIAI 评分3434 解决爱因斯坦问题的 Smith hat 形状揭示新的光学物理现象
summary_zh: 日本东京大学研究团队基于 Smith hat 单密铺形状在氮化硅薄膜上构建纳米光学结构，激光照射后产生手性衍射图样，表现出与传统准晶体不同的对称性控制光学响应。
Google ResearchAI 评分5858 连接组学里程碑：完整雄性果蝇大脑图谱发布
Google Research与HHMI Janelia及剑桥合作者发布完整雄性果蝇大脑和中枢神经系统连接组，包含166,000个神经元和1.25亿个突触连接，是迄今最大脑图谱。研究利用AI和计算技术构建细胞级全脑图谱，配套Neuroglancer开源可视化工具，并已用于视觉、味觉和社会行为研究。
MIT News · AIAI 评分4848 超越自然序列：MIT 推出 PottsMPNN 蛋白质设计框架
MIT 生物系推出 PottsMPNN 机器学习框架，融入物理原理以改进序列生成与突变稳定性预测。该模型通过引入噪声、氨基酸配对分布和进化相关序列训练，更好地理解序列-能量景观，能为无天然对应序列的全新设计结构生成可行序列。研究显示，减少对天然序列的依赖可提升结构兼容性与能量预测精度。
Google ResearchAI 评分5151 Google Research推出PhotoScan：用智能手机图像估算 cardiometabolic 风险
Google Research发布PhotoScan，一种基于深度学习的研究框架，可从标准2D智能手机照片估算三维身体成分指标（体脂率、A/G比、V/S比），用于预测胰岛素抵抗。
Microsoft ResearchAI 评分4444 MindTopo 揭示 VLM 的空间推理能力
微软研究院的新基准 MindTopo 发现，专有与开放权重多模态模型在静态拓扑推理上明显强于交互规划，且都远低于人类。它按连续性、分离、顺序、包围和绳结五类，测试静态场景问答，以及模拟环境中须维持或改变关系的动作规划。规划失败常在理解场景之后出现，模型失去对结构关系的追踪，或提出违反环境约束的动作。
Microsoft Research精选AI 评分6464 CARE-X介绍：面向临床有用的放射学视觉语言模型
CARE-X是微软研究介绍的胸部X光统一视觉语言模型，结合生成式报告与结构化预测并通过DAPO奖励对齐学习优化临床正确性。该模型在ReXVQA基准达到94%准确率，并在印度Narayana Health临床数据上验证了罕见ICU病理检测效果。工具增强测量实验显示，Qwen3-VL-4B-Instruct结合确定性计算工具后，测量依赖条件的F1平均提升43.6个百分点。
推荐理由：CARE-X通过联合训练生成与判别能力，在统一模型中实现灵活报告生成与校准预测，为放射学人工智能提供了可迁移的多任务优化方法。
MIT News · AI精选AI 评分6262 GeoPT：具备物理感知能力的AI模型可模拟更广泛的真实场景
MIT CSAIL与清华大学提出GeoPT预训练方法，通过130万组合成动力学样本让仿真模型获得物理直觉，在工业基准上达到峰值性能的速度提升两倍、所需标注数据减少60%。该方法在复杂3D形状、战斗机气动、船体波浪和汽车碰撞等场景中均优于现有模型，并成功泛化到未训练过的光传播模拟。
推荐理由：GeoPT用合成动力学预训练让仿真模型更快更省数据，为构建物理基础模型提供了可迁移的新范式。
MIT News · AI精选AI 评分6262 医疗 AI 辅助诊断的效果因用户专业水平而异
MIT 与斯坦福等机构的研究发现，AI 辅助虽提升非专家和临床医生诊断皮肤病的准确率，但可解释性方法的影响因用户知识水平而异。非专家倾向于遵从 AI，尤其信赖 LLM 生成的解释，即使解释有误；临床医生则能抵抗错误解释，仅凭模型预测表现最佳。研究建议在设计医疗 AI 时应考虑用户差异，避免过度依赖模型。
推荐理由：同一解释对非专家与临床医生效果相反，提示医疗 AI 应按用户知识水平差异化设计解释方式。
Google ResearchAI 评分5959 SensorFM：用万亿分钟无标注数据训练通用可穿戴健康基础模型
SensorFM 是一个大传感器基础模型，基于超过一万亿分钟、来自五百万参与者的无标注多模态可穿戴数据预训练，在心血管、代谢、睡眠和心理健康等35项判别任务上泛化，且通过 Agent classroom 可自动构建预测头。
ScienceDaily · AIAI 评分2828 ICCUB 团队提出 CIGaRS 框架，利用 Ia 型超新星成像数据研究暗能量
巴塞罗那大学 ICCUB 团队在 Nature Astronomy 发表 CIGaRS 框架，通过模拟基推断（simulation-based inference）从 Ia 型超新星成像数据中提取宇宙学和天体物理信息，精度可比光谱红移测量，且能同时分析数万颗超新星。
ScienceDaily · AIAI 评分5656 香港大学团队展示可在近绝对零度运行的类脑芯片
香港大学研究团队在 SiC MOSFET 中实现负微分电阻效应，首次在 10mK 下用单晶体管复现生物神经元的高效脉冲活动。该芯片可集成于量子处理器附近，大幅降低低温系统热负荷，并有望用于深空探测。相关论文发表于 Nature Communications。
Sebastian RaschkaAI 评分1616 LLM 研究论文清单：2026 年 1 月至 5 月
summary_zh: Sebastian Raschka 整理了 2026 年 1 月至 5 月他标记的 LLM 研究论文清单，涵盖架构与模型设计、高效训练与推理、稀疏注意力与长上下文、推理与测试时计算、强化学习、智能体系统、编码智能体、扩散语言模型及评测基准等类别。
Google Research精选AI 评分6666 Google Research发布PHRM系统：通过智能手机摄像头实现被动心率监测
Google Research在Nature发表PHRM研究，通过智能手机前置摄像头在日常使用中被动监测心率，跨肤色MAPE<10%，RHR估计MAE<5bpm达到可穿戴设备精度。研究基于35万+视频片段和近700名多样本参与者，覆盖浅色到深色皮肤群体，并公开了最大规模智能手机视频数据集及预训练PHRM-mini模型供合格研究者申请。
推荐理由：PHRM在大规模日常使用中实现跨肤色符合行业标准的心率监测，MAE低于5bpm的RHR估计达到可穿戴设备水平，为智能手机被动健康追踪设立了新基准。
ScienceDaily · AIAI 评分3131 宾大突破：光-物质粒子（激子极化激元）驱动 AI 计算
宾大物理学家 Bo Zhen 团队开发出激子极化激元（exciton-polariton），实现全光开关，仅耗约 4 皮焦耳能量。传统光子芯片在非线性激活步骤需光-电转换，而该技术可避免这一瓶颈，有望降低大 AI 系统的能耗并支持未来芯片上的量子计算功能。
ScienceDaily · AIAI 评分3131 科学家发现AI能提升人类创造力
斯旺西大学一项超过800人参与的在线实验显示，使用AI支持系统设计虚拟汽车时，受试者花更多时间、产出更好设计且参与感更强。系统采用MAP-Elites方法生成包含高效、非常规乃至故意缺陷方案的视觉画廊，多样化输出帮助参与者突破初始假设并鼓励冒险。