标签
该论文提出 TIZSKT 框架，将文本作为索引而非可迁移的预测表征，实现零样本跨域知识追踪，在三个公开数据集的留一域实验中取得最优 AUC 与准确率。
该论文提出了 CAP（候选获取策略），这是一种从相关黑盒优化任务的稀疏记录中学习以反馈为条件的查询策略的方法，在四类合成问题和两个工程基准（BOPTEST、SU2）上，在预算耗尽时取得了最佳结果。
GARDEN 提出了一种由大语言模型（LLM）自动设计、可跨场景复用的奖励函数框架，用于协作式多智能体强化学习。在 Overcooked 和 SMAX 基准测试中，该框架显著优于默认奖励和 Eureka 式反思方法。
本文研究了辅助轨迹偏好（基于置信度和熵的指标），以提升小型语言模型的自我改进与迁移能力，结果表明，在 AIME 任务上，UID-Conj. 相比未经修改的 TTRL 和均匀加权的 SFT 提高了约 2 个百分点。
研究人员基于 90 亿个词元的开放数据，训练了参数规模从 1200 万到 10 亿不等、基于 ModernBERT 的冰岛语编码器。结果表明，从头训练的 10 亿参数模型在全部十一项任务上均优于 IceBERT，而以英语 Ettin 编码器进行热启动的模型在所有基准测试中均取得了最佳成绩，同时凸显了词表移植的重要性。
提出了一个跨域迁移表示特征的统计框架，用于检测 LLM 的幻觉与推理错误，在新域仅需 25 条标注样本即可将幻觉检测 AUROC 提升 6.8%、推理步骤预测 AUROC 提升 8.4%。
该论文提出 EGiME（熵引导模型评估），一种基于特征空间聚类结构的半监督准则，无需分类器训练即可在少样本场景下评估预训练模型，在五个基准上与真实准确率相关性达 0.966，并比有监督基线提供更稳定的模型排名。
IRIS 是一种利用扰动筛选与迁移学习重建跨细胞类型细胞信号传导历史的新方法，发表于 Nature Methods。
该论文研究如何将一个模型表示上学到的量化校准增益复用到同一预训练模型的其他表示（如浮点与INT3量化）上，无需在接收端进行优化即可保留大部分文本损失改善，并量化了校准更新的可迁移性以及接收端专属训练所能带来的剩余收益。
由 Pulin Li 领导的麻省理工学院研究人员开发了 IRIS，这是一种神经网络模型，能够检测细胞信号通路留下的独特基因活性“指纹”，从而借助迁移学习，重建多种细胞类型的信号传导历史。这项发表于《自然·方法》的研究有望加速干细胞工程、类器官开发和疾病研究。
提出了 SkillGrain 框架，将用户反馈分解为可独立执行的原子规则，预测其可迁移性并只保留适用于未来请求的部分，通过强化学习联合优化技能归纳与条件生成，以实现可复用的个性化技能学习。
Game2Real-Bench 是一个研究玩具游戏能否反映并迁移到真实世界视觉推理的基准，涵盖 25 个 VLM 的评测，发现游戏与真实任务间存在高达 0.935 的强相关性，并发布了包含约 24K 验证样本的 Game2Real-Dataset。
该论文研究了如何从净智能电表数据中恢复户用光伏发电（表后光伏）的可见性，提出四种部署场景并对深度序列模型进行基准测试，发现部署场景对误差的影响远大于模型选择，且少量目标域微调可显著降低迁移误差。
ICLR 2026 论文提出 Brain-IT 系统，可通过 fMRI 脑活动重建人眼所见图像，采用语义与结构双分支引导扩散模型，并能以新受试者仅约1小时的数据实现迁移学习。
该论文提出WATCH，一种跨视频预训练方法，通过任务配对的人类演示学习可迁移的世界-动作模型，无需人-机器人配对数据；在机器人后训练后将MimicDroid的上下文内成功率从40.9%提升至68.3%（Cosmos Policy）以及从59.8%提升至77.7%（Cosmos 3）。
一篇 Johns Hopkins 与 Carnegie Mellon University 的论文表明，4B 的编辑模型可以从失败报告中学会改写 agent 的 harness 代码，这种能力能迁移到未见过的任务上，平均编辑得分甚至超过了其 35B 的老师模型。
研究表明，在为大模型微调选择数学训练数据时，共享推理方法（例如不变推理或双重计数）对保留目标数据的迁移效果显著优于共享数学主题，在五个基础模型上，平衡设计的2x2实验中优势达到8至16个百分点。
该论文研究提示数量、来源与选择如何影响在线策略蒸馏（OPD）的迁移效果，发现提示效用取决于师生模型对与目标任务，且定向选择策略（如语义多样性、难度、师生分歧等）并未一致优于均匀随机采样。
论文提出了RouteFM，一个面向LLM路由的基础模型，通过跨异构环境的情景化预训练学习可复用的路由能力，使一个冻结的路由器仅凭行为上下文即可适应新的领域、模态和候选模型池。在MMR-Bench上，RouteFM仅凭每个候选8条观测就以2.23个质量点领先最强基线，支持'一次预训练、随处路由'的范式。
EVOKE 是一种后训练方法，通过在固定状态下对比不同的替代目标，激发预训练 LLM 智能体中已有的世界知识，训练策略按行为后果而非情境习惯对候选动作进行排序。该方法在 ALFWorld、WebShop 以及基于搜索的问答任务上取得了当前最佳结果，并且无需世界模型或推理时规划即可良好地迁移到未见过的环境。