本期概览

此前 LLM 在计算架构设计中的应用多集中于经典电路或软件，本研究首次系统评估 LLM 作为量子储层计算架构优化器，并证明将 LLM 与进化搜索混合能稳定提升设计质量，为量子机器学习自动化设计提供了可验证的新路径。

此前教育 LLM 评估多为单任务或单轮，缺乏对长期辅导关系的度量。EduClaw-Bench 首次将评估扩展到 30 天，模拟真实学习过程，揭示单轮评估无法发现的性能衰减问题，为 AI 导师的可靠性和长期应用提供新标准。

以往的安全微调（如SFT或标准LoRA）往往以牺牲模型在良性输入上的性能为代价，而CLEAR通过条件化适配，在显著降低有害内容生成率的同时保留了大部分效用，为安全-效用权衡提供了新方案。

此前推测解码与 MoE 结合存在不兼容性，EdgeXpert 首次通过软硬件协同设计解决该问题，使边缘设备能更低延迟、更低能耗地运行 LLM，推动个性化边缘应用的落地。

现有法律AI基准假设用户查询信息完整，但实际中常遗漏关键事实。InsufficiencyBench首次系统评估模型识别信息不足、避免过早结论的能力，揭示当前模型要么过度谨慎，要么基于错误假设作答，影响法律AI的可靠性和实用性。

此前 RLVR 仅适用于数学和编程等可确定性验证的领域，开放式任务依赖人类偏好、奖励模型或 LLM 裁判，存在评估偏差、能力瓶颈和额外推理成本。RLSVR 通过任务转换将开放式任务变为可验证的代理环境，有望扩大强化学习在开放式任务中的应用范围，减少对外部评估器的依赖。

此前认知障碍的语音检测多依赖单一模态或手工特征工程，泛化性有限；本研究利用开源LLM融合语言与声学信号，在提升检测准确率的同时保护患者隐私，为低成本、非侵入式早期筛查提供了新路径。

该框架将队列发现从依赖人工文献检索和既有目录，转变为由问题驱动的自动化流程。在案例中，它找到了17个被主流目录遗漏的队列，显示出补充现有方法、扩大研究覆盖面的潜力，有助于提升跨研究分析的效率与完整性。

此前提示压缩主要依赖大模型前向传递评估 token 重要性，成本高且需要 GPU。该方法仅用确定性语言学规则进行压缩，部署时零模型调用，显著降低推理成本和硬件门槛，为低成本优化 LLM 输入长度提供了新路径。

此前联邦多模态微调因灾难性遗忘而难以在动态环境中稳健部署，FedCMM首次将弹性权重巩固、生成式回放和任务相似性聚合三者融合进联邦优化环路，为视觉、语言和跨模态表征同时提供遗忘防护，使联邦大模型能安全适应流式数据。

现有 LLM rollout 常采用均匀路由，导致少数长尾生成阻塞整体完成时间。TailSieve 首次引入部分回滚信号来识别尾部任务，并动态调整隔离组和副本分配，显著提升大规模训练和评估管线的效率，降低端到端延迟。

此前路侧感知依赖LiDAR或特定场景训练，且缺乏同时覆盖3D跟踪与视觉语言推理的基准。RISE提出无需LiDAR的图像方法，可跨交叉口迁移，并构建了大规模RISE-VQA数据集及RISE-Bench基准，为路侧感知评估提供了更全面的手段，有助于推动自动驾驶和智能交通领域的研究。

此前自演进系统默认已有可靠评估指标，但现实中常缺失。该研究首次提出指标本身可进化，并通过共同进化机制使系统在无预置指标时仍能接近理想性能，同时内置安全机制防止指标被游戏化，为构建可信的自改进 AI 提供了新范式。

此基准首次校准共享预算下的套件性能与同一模型单问题能力曲线，揭示LLM在资源分配上的系统性弱点，此前多数基准仅使用独立任务预算，未考虑实际应用中的共享计算资源。

传统PPO使用clip目标函数导致导数突变，OR作为平滑的单侧饱和规则，可能引入更稳定的梯度行为。实验表明在广义优势估计（GAE）下能提升奖励模型得分，但在组相对优势下仅改善稳定性而未提分，说明其效果依赖于优势估计方法。