罗格斯大学：非正则Borel图色数下界，Nikiforov定理被推广
无限图的着色问题一直有个尴尬：经典谱方法大多只在“人人度数相同”的正则图上顺手。这篇把 Nikiforov 的色数下界、二部性谱刻画一路搬到非正则的 Borel pmp 图，还顺手用可测支配数卡住了 Laplacian 谱隙。纯理论，没有一行代码，但证明思路干净得值得一看。
最新文章
共 1811 篇
Nimbus BCI 平台验证：六条脑电解码流水线与手写脚本 0.00 点差异
一个可视化平台宣称自己算出来的数字和手写脚本一样，这话到底该不该信？Nimbus BCI 给出的答案是：六条经典脑电解码流水线，三个公开数据集，两种评估协议，平台引擎与独立手写实现各跑一遍，逐被试比准确率。确定性流水线全部 0.00 点一致，深度模型的差异落在训练种子噪声里。软件平台自己做验证研究，这事本身就少见，值得看一眼它的验证设计和边界。
港科大（广州）S3R：稀疏起草+稠密验证，RL训练吞吐1.39倍
大模型做强化学习，真正的瓶颈常常不在反向传播，而在 rollout 生成——注意力吃掉了七成以上的解码时间。港科大（广州）这篇 S3R 的做法挺取巧：稀疏注意力只负责"提词"，全注意力负责严格验收，采样分布不动，KV 读取却大幅减少。Qwen3-1.7B 上端到端训练吞吐做到 1.39 倍，训练还更稳。
以色列理工提出自主热力学循环：机器人靠移动"觅食"温差发电
这个不对称其实很好解释。代码能编译就是能编译，编译不过就是过不去，对错有硬反馈，智能体可以在里面反复试错。
AI用3小时22分，构造出c=8的Haagerup顶点算子代数
AI 这次不写代码，改去啃数学硬骨头：中心荷 c=8、实现 Haagerup 双重 Z(ℋ₃) 的顶点算子代数被显式构造出来。更值得看的是过程账本——Astra 6 找了 3 小时 22 分，Sol 6.1 想了 1 小时 6 分给出证明。结论仍待社区复核，但这份 AI 参与数学发现的一手记录，本身就稀有。
ALICE最新：五个碰撞系统，净电荷涨落只认带电粒子密度
先把场景搭起来。CERN 的大型强子对撞机（Large Hadron Collider，LHC，欧洲核子研究中心运行的大型强子对撞机）把铅原子核加速到接近光速，然后让它们迎头撞上。
安大略理工×微软：LSTM自动切笔模式，准确率88.55%
数字笔已经普及了很多年，但有一个问题几乎没怎么变过：模式切换。
大语言模型｜北大MIT清华：注意力非线性让大模型深度缩放变成1/L
这篇论文回答的是缩放定律里最朴素也最要命的一个问题：多加一层，为什么有用？作者的答案有点反常识——在线性注意力里，深度只能按数据谱的幂律慢慢挤性能，很快就见底；注意力一旦带上 softmax 非线性，损失就按约 1/L 的逆幂律继续往下掉。作者还把这件事接到中心极限定理上，把「层间共享误差」和「层间差异」分开算账。
宇宙真是透镜形状吗？COMPACT 首次算出全协方差矩阵，拓扑信号多撑10%
宇宙有没有「重复的走廊」？这篇 COMPACT 合作组的新论文，第一次把任意透镜空间的 CMB 全谐空间协方差矩阵算了出来，包括长期被忽略的非对角项。结论有点反常识：哪怕天上找不到配对圆，拓扑信号仍可能藏在统计结构里，而且能多撑 10%。
庆北国立大学：让LLM当损失调音师，图像恢复PSNR最高涨3.35
调损失权重这件事，以往基本靠炼丹手感和几轮消融碰运气。这篇论文干脆把LLM塞进训练循环：每隔一段拿固定小样本跑一遍质量指标，让它的下一段训练自己决定该更看重保真，还是更好看。改的全是现成损失项，网络结构、优化器、数据管线、推理流程一个没动，训练额外开销不到0.2%，推理零成本。三个恢复任务、七个基准，都挪到了更划算的平衡点上。🤨
北京理工大学：双中心分子最多多绑几个电子？答案精确到 153/154
先从一个看起来特别朴素的问题开始：往一个带电荷 Z 的原子核旁边塞电子，它最多能"抱住"几个？这里的动词很关键，是"抱住"，不是"塞进去"。电子之间互相排斥，塞得越多，最外面那层的电子越容易掉头就跑。
斯坦福提出自适应交会筛选：太空碰撞候选对减28.78%，扫描快27倍
太空越来越挤，几万颗卫星的轨道交会筛选正在变成算力灾难。斯坦福这篇论文不换模型、不堆显卡，只用公开星历历史给每个目标单独估一个不确定度，把固定50公里阈值改成自适应阈值，候选对直接砍掉近三成，扫描速度还快27倍。在算力普遍吃紧的当下，用一次漂亮的"减法"换回大笔计算预算，这种思路值得每个做大规模筛选的人读一读。
