提升 RAG 检索和知识库问答可靠性、提升模型推理、规划和验证能力、让 Agent 更可靠地调用工具和复用技能

PAWBench: How Far Are We from Probabilistically Aligned World Modeling?

中文标题PAWBench：How Far Are We 来自 Probabilistically Aligned World Modeling?

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

CODE: Cross-Modal Calibration and Dynamic Suppression for Open World Object Detection

中文标题代码：用于开放世界物体检测的跨模态校准和动态抑制

关注理由涉及视觉与图像生成中的新任务、数据或系统线索，可作为后续跟进清单的一部分。

KinyaEmbed: Contrastive Sentence Embeddings for Kinyarwanda via Multi-Stage Curriculum Training

中文标题KinyaEmbed ：通过多阶段课程培训为基尼亚卢旺达语进行对比句子嵌入

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

Self-OPD: On-Policy Distillation for Flow Matching Models without Teacher

中文标题Self-OPD：On-Policy Distillation 面向 Flow Matching Models without Teacher

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

CGS-SLAM: Collaborative Gaussian Splatting based SLAM for Multi-Agent Reconstruction

中文标题CGS-SLAM：Collaborative Gaussian Splatting based SLAM 面向 Multi-Agent Reconstruction

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

Reinforcement Learning-Based Control of CAV Platoon Joining Maneuvers in Mixed Traffic

中文标题基于强化学习的混合交通CAV排编队机动控制

关注理由涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。

A Geometry-Driven, Framework-Agnostic Optimization for Object Pose Estimation

中文标题物体姿态估计的几何驱动、框架无关优化

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

Cross-Architecture Knowledge Distillation from a Vision Foundation Model to a Lightweight Visual State Space Model for Tea Leaf Disease Classification

中文标题从视觉基础模型到茶叶疾病分类的轻量级视觉状态空间模型的跨架构知识蒸馏

关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。

DEEPCHART: How Far are LLMs from Faithful Data-Science Chart Generation?

中文标题DEEPCHART：How Far are LLMs 来自 Faithful Data-Science Chart Generation?

关注理由涉及多模态模型中的新任务、数据或系统线索，可作为后续跟进清单的一部分。

Glass Surface Detection Grounded in 3D Visual Geometry

中文标题基于3D视觉几何的玻璃表面检测

关注理由涉及视觉与图像生成中的新任务、数据或系统线索，可作为后续跟进清单的一部分。

Discovering Relationships in Data Lakes Using Large Language Models: An Industrial Case

中文标题使用大型语言模型发现数据湖中的关系：一个工业案例

关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。

Knowing When Not to Reuse: Conditional Experience Transfer in Autonomous LLM Post-Training

中文标题知道何时不重复使用：自主法学硕士培训后的有条件经验传授

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

When Does Supervised Fine-Tuning Reduce Instruction Sensitivity?

中文标题监督微调何时降低指令灵敏度？

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

Meta-Learning Where to Allocate Experts: Task-Conditioned Layer-Wise Compression for MoEs

中文标题元学习在哪里分配专家：面向教育部的任务条件分层压缩

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

Real-time Unsupervised Object Discovery from Asynchronous Event Streams

中文标题异步事件流中的实时无监督对象发现

关注理由涉及视频生成中的新任务、数据或系统线索，可作为后续跟进清单的一部分。

Information-Guided Frontier Decoding: Contextual Utility-Driven Commitment in dMLLMs

中文标题信息引导前沿解码： dMLLM中的上下文效用驱动型承诺

关注理由涉及训练与后训练中的新任务、数据或系统线索，可作为后续跟进清单的一部分。

Which Metrics Save the Most Human Annotation? Prediction-Powered Evaluation and Meta-Evaluation

中文标题哪些指标可保存最人性化的注释？基于预测的评估和元评估

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

Who Remains, What Changes: Identity Anchored Composed Gait Retrieval

中文标题谁留下，什么变化：身份锚定组合步态检索

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

The Thousand-Graph Hypothesis: A Testable Hypothesis of Task-Conditioned Relation Materialization in Repository-Level Code Reasoning

中文标题千图假设：存储库级代码推理中任务条件关系物化的可检验假设

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

Not Just Reason, Not Just Scan: Reinforcement Learning for Proactive Scientific Error Verification over Academic Paper

中文标题不仅仅是理性，不仅仅是扫描：强化学习，用于学术论文的主动科学错误验证

关注理由涉及推理与规划中的新任务、数据或系统线索，可作为后续跟进清单的一部分。