Beyond Flat Policies: Hierarchical Post-Training for Embodied Agents in Robotic Manipulation
HiRoC通过层次化后训练框架，结合规划与强化学习执行，显著提升VLA模型在长时程机器人操作中的鲁棒性和泛化能力。
每日论文
每天从 arXiv 摘取三篇论文，并由 DeepSeek 生成结构化中文解读。这里适合快速判断论文是否值得精读，技术结论与实验数据仍应以原文为准。
3 PAPERS
CogVis: Must Open-Vocabulary Change Detection Perceive the Scene Anew for Every Query?
CogVis通过认知记忆引导的感知-记忆-验证范式，解耦时间感知与语义决策，实现高效稳定的开放词汇变化检测。
HOPE: Hand-Object Pressure Estimation from Monocular Videos
HOPE提出从单目视频预测手部网格逐顶点压力的统一框架，结合接触门控和视频变换器，实现泛化压力估计。
3 PAPERS
ComFuse: Fusing Complex Memory-Intensive Subgraphs with Compute-Intensive Kernels For Modern GPU Architectures
ComFuse通过跨类别算子融合，将内存密集型子图隐藏在计算密集型内核中，显著提升GPU利用率。
Heterogeneous LLM Serving with General-Purpose Processing-Near-Memory for Retrieval-Based Sparse Attention
KARAT 通过将 KV Cache 驻留在通用 PNM 节点上，实现了百万级上下文的高效异构 LLM 解码服务。
Architectural Implications of Agentic AI Workflows
本文首次系统分析智能体式AI工作流的架构影响，并提出Agora原型系统优化资源利用率与延迟。
3 PAPERS
Linear Multi-Timescale Retention as a Memory-Efficient Vision-Language Bridge
提出线性多时间尺度保留模块，实现线性复杂度视觉语言桥接，支持无限上下文处理。
Bole: Efficient Tree Speculation for Hybrid-Attention Language Models
Bole通过内核-运行时协同设计，将混合注意力模型的树形投机解码效率提升数倍，显著降低内存占用和延迟。
Open-DiffLoco: Open-Source Differentiable Learning for Deployable Blind Quadruped Locomotion
Open-DiffLoco 是首个开源的可微仿真四足机器人盲走策略训练框架，实现高效训练与真实部署的无缝衔接。
3 PAPERS
DART: Decoded Attention over Recurrent States for Efficient Long-Context Sequence Modeling
DART通过解码循环状态中的键值对并执行状态记忆注意力，实现了高效长上下文建模与检索的统一。
LLM Serving in the Wild: An Empirical Study of Frameworks, Methods, and System Designs
本文通过大规模实证研究，系统揭示了LLM服务框架在开源软件中的采用模式、组合策略及与模型特性的关联，为实践者提供选型指南。
MCHA: A Memory-Centric Hierarchical Architecture for Parallel-Sequential Computing
提出内存中心层次化架构MCHA，通过层次化通信和事件驱动机制，实现并行-顺序计算的高效加速。
3 PAPERS
TELLER: Non-intrusive Cross-Layer Root-Cause Analysis for LLM Inference
TELLER通过非侵入式跨层追踪和日志融合，实现LLM推理的自动根因分析，提升诊断效率。
Efficient Audio Enhancement with a Differentiable Psychoacoustic Loss
提出基于Mamba和可微PAQM损失的高效音频增强框架，在带宽扩展和压缩恢复中实现高感知质量与低计算成本。
LowRank-SSM: Hardware-Software Co-Design for Rank-Reduced Mamba Acceleration on FPGA
LowRank-SSM 通过软硬件协同设计，利用秩缩减技术显著提升 Mamba 模型在 FPGA 上的推理吞吐量和能效。
3 PAPERS
Triton for MTIA: Bridging the Programming Model Gaps for Custom AI Accelerators
本文首次在Meta的定制AI加速器MTIA-2i上实现了Triton的生产级应用，通过编译器后端和语言扩展，证明了高级DSL能弥合编程模型鸿沟，实现高效部署。
MADE: Belief-Driven Dual-Agent Coordination for Autonomous Model Deployment
MADE通过信念驱动的双智能体协调机制，实现了从模型资源到可调用API的全自动部署，显著提升了部署成功率。
Temporal Channel Estimation for Generalized CSI Feedback
TAP通过轻量级神经网络和参数化时延估计，实现了高效、可泛化的CSI反馈压缩，兼顾速度与可解释性。
3 PAPERS
FLASH: Efficient Impact Fall Detection with Unified Hypergraph State-Space Model
FLASH通过融合超图与状态空间模型，实现了高效、准确且可解释的跌倒冲击检测。
Revisiting Lossy Verification in Speculative Decoding: Mechanisms, Trade-offs, and Failure Modes
本文系统分析了投机解码中有损验证的机制与权衡，提出统一分类框架和过冲控制原则，为高效可靠的加速推理提供理论指导。
Federated Foundation Models Fine-Tuning with Heterogeneous Compressed Clients
提出FedSLM框架，通过SVD低秩分解和嵌套流形聚合，实现异构客户端下基础模型的高效联邦微调。
3 PAPERS
DualDecoder: Accelerate Long Context LLM Inference by Predictive Prefetch
DualDecoder通过预测性预取和双token解码流水线，消除辅助状态开销，显著加速长上下文LLM推理。
MindForge: Teaching Small Language Models Whole-Life-Cycle Software Engineering via Source-Free Program Synthesis
MindForge通过无源环境生成全生命周期训练数据，显著提升小模型从零开始程序合成能力。
GyRot: Leveraging Hidden Synergy between Rotation and Fine-grained Group Quantization for Low-bit LLM Inference
GyRot通过算法-硬件协同设计，巧妙融合旋转与细粒度分组量化，实现高效低比特LLM推理。
3 PAPERS
TraceCoder: Explainable and Auditable Code Generation with Position-Key Snippet Versioning
TraceCoder通过记录、索引和可视化代码修复历史，将LLM代码生成从黑盒转变为可解释、可审计的透明过程。
EvoPINN: Agentic Discovery of Executable Algorithms for Physics-Informed Neural Networks
EvoPINN利用LLM智能体自动搜索并验证PINN算法，将手动设计转变为基于执行验证的算法发现。
R-SLPR: Region-based Small-to-Large Point-cloud Registration with Contrastive Learning
提出一种三阶段区域级配准框架，通过对比学习和级联精化，有效解决了小局部点云与大全局点云的尺度不匹配配准难题。
3 PAPERS
Windowed-MTP: Removing the Full-Context Draft-KV Tax at Million-Token Context
通过窗口化草稿模型注意力，消除长上下文投机解码中的高昂计算成本，实现无损加速。
Failures Reveal What Metrics Miss: An Evidence-Driven Agent for Recursive Refinement of ECG Classifiers
提出一种证据驱动的LLM框架，通过分析具体失败案例和客观ECG测量值，递归精炼分类器，实现可解释、高效的自动化模型优化。
ZIMPAF & RedPhuzz: High-fidelity Web Application Fuzzing via Branch, Language Construct, and Function Call Monitoring
通过高效多粒度插桩和精准变异策略，实现高保真Web应用模糊测试，显著提升漏洞检测率和性能。