标签
一篇研究博客文章发现，前沿 LLM 能够原生读写神经网络权重——诊断训练后的策略、编辑权重以修复推理循环并将 Qwen3.5-0.8B 在 MATH-500 上的成绩从 7.9% 提升至 48.1%、以及手工编写小型游戏网络——作者将这一能力称为「权重空间编程」（Weight-Space Programming）。
SAT-ACT 是一种用于 CDCL 分支决策的学习框架，它从同一求解器状态下基于结果的展开轨迹中提取动作偏好，训练以状态为条件的网络来指导分支决策，并在降低搜索成本的同时，改善 SAT 竞赛基准上的 PAR-2 指标。
该论文证明了梯度下降下有限线性逼近类的一般频率原则，表明高频分量的幅值在训练过程中一致趋于零，并给出了低频优先的充分条件，还通过勒让德基和三角函数基的数值实验进行了验证。
该论文提出了 CUTTIE，一种分层检验方法。该方法将训练好的网络中的单元聚类成树状结构，并通过条件独立性检验自上而下地对这些单元进行检验，以定位具有预测作用的概念（例如调控性 DNA 基序），同时控制族错误率。论文在一个根据序列预测染色质可及性的模型上展示了该方法。
本文介绍了 AutoHebb，这是一类自我修改的神经网络，采用由自主生成的神经调质信号门控的三因子赫布学习规则，在实现零样本推理和持续学习的同时，性能优于其他竞争模型。
一篇 Reddit 帖子分享了 UnEZ 论文，介绍了一种完全无监督且可直接解释的神经网络，它类似于自编码器，但具有可解释的潜在空间，并向社区询问是否有相关架构。
实时进化模拟游戏 EDEN 的开发者在线下让生物的微型神经网络大脑进化了 300 代，提高了它们在此前未见过的对局中的胜率（例如，掠夺者从 7% 提升至 62%，游牧者从 42% 提升至 95%）。关键修复在于，此前直播中每轮的初始个体都会获得随机大脑，导致进化出的神经连接被丢弃；下一步是实现物种间的协同进化。
推文分享了 Andrej Karpathy 在 GitHub 上免费公开的一套完整 AI 学位课程，包含 7 个按学习顺序排列的仓库，从反向传播一路讲到能自主运行研究的智能体，累计获得超过 30 万星标。
Show HN：一个将整数神经网络编译成 ZDoom 地图的项目，让 DOOM 的巫毒娃娃和扇区属性来执行运算，并通过 NumPy 进行了逐比特精确验证。虽然速度极慢，但完全可验证，还能让玩家实时手写数字供 DOOM 进行分类。
展示了一个16神经元小网络逐步学会分离双螺旋的可视化视频，并介绍其由开源的SenseNova 6.8 Code2Video模型通过代码自动生成，包括叙事节奏。
本文将密码分析式权重方向提取与基于标签的蒸馏相结合，以重建全连接神经网络，表明 Leaky ReLU 能够在 ReLU 失效的情况下实现神经元恢复，并展示了在合成数据和 CIFAR-10 上训练的受害模型中较高的预测一致性。
该论文定义了一种与 Fisher 信息矩阵对齐的参数分布，使得在保证低损失的同时获得与 Fisher 信息矩阵零特征值数量成正比的参数对数体积，从而得到一个随 Fisher 信息矩阵期望秩缩放的高概率 PAC 泛化误差界。
该论文表明，诱导稀疏性的正则化会促使多任务神经网络涌现出功能模块性，从而识别出紧凑的任务选择性子网络（“功能令牌”），这些子网络无需重新训练即可跨路径重新组合。
一段视频对比了 K-Splanifolds 系列中最新的 Hermite 样条回归模块 KS3 与 MLP 在经过 9,000 步梯度下降后拟合四维 Mandelbulb 的表现，其中 KS3 在前向和反向传播延迟几乎相同的情况下取得了最低损失。
该论文提出一种跨尺度学习的非线性波形融合方法，用于通感一体化（ISAC）中的图像传输与多目标定位，在测试中将归一化定位误差降低约29%，同时提升图像PSNR。
MIT News 专访探讨了一篇发表于《Past and Present》的新论文。该论文追溯了 AI 幻觉的历史起源：早期的计算机工程师与心理学家曾有意在神经网络中注入随机性，以模拟人类思维中的创造性与不可预测性。研究指出，创造力与可预测性之间存在一种必然的权衡关系——这一观念深刻影响了早期人工智能系统的设计哲学，并延续至今，成为理解当代 AI 幻觉现象的重要历史脉络。
本文研究分布漂移下的预测流匹配，提出了 DyProd-FM。该方法在按二进尺度划分的历史前缀上重新拟合，并使用休眠 Prod 主算法，在相对速度风险变差和目标分布变差两种情形下均实现极小极大最优的动态遗憾，且无需凸性或曲率假设。
该论文基于等变度数理论（equivariant degree theory）提出了一种通用的拓扑对称性指数，用于刻画神经网络损失景观中临界轨道的各向同性及其净拓扑贡献，适用于任意网络架构并给出软激活 MLP、Transformer 和等变神经网络的计算示例。
提出SNTO框架，将状态、伴随和设计变量用神经网络联合表示并优化，结合多GPU硬件感知训练，实现可扩展的应力约束拓扑优化，可处理高达八百万配置点的三维大规模问题。
Handwired 是一个可以把普通 JavaScript 代码（如 DOM 渲染的迷你桌面应用）直接转化为神经网络的工具，可对界面交互进行训练和优化。