量化如何破坏记忆：低精度时序推理中的循环状态写回

研究者提出 IDQD-RDO，用输入相关的二次失真近似 MS-SSIM、LPIPS 等全参考图像质量指标，通过自动微分得到的 Hessian 矩阵-向量积估计其块对角或纯对角形式，使这类指标可逐块计算并用于 VVC 编码的率失真优化。在 Kodak 和 CLIC 上的五种指标测试中，该方法取得 14.2-36.7% 的 BD-rate 节省，无需改动解码器，编码复杂度仅增加 10-30%。

针对 Representation Autoencoders（RAEs）中高保真重建编码器会降低表征有效维度、导致 flow matching 标准速度预测需拟合信号流形外的正交噪声方向、优化低效的问题，论文提出改用干净数据参数化（x₀-prediction），将学习集中在底层信号流形上。在多个强重建编码器实验中，x₀-prediction 一致提升了文生图生成性能。

一篇综述系统梳理了自回归（AR）视频生成中的记忆机制，将记忆定义为跨 AR 步骤持续保留、在原始证据离开上下文后仍能影响后续生成的历史信息。文章从形式、功能、操作、学习与评估五个视角组织文献，并指出可组合且资源感知的记忆架构、可信状态更新、自 rollout 学习与标准化评估等开放挑战。

StableVQ 通过 Dynamic STE、Region VQ Loss 和 Decoupled Schedule 三项改进，解决向量量化分词器中编码器-解码器与码本训练相互纠缠导致的稳定性问题。该方法基于 shared-projection 码本构建，不引入可学习参数，在 ImageNet 上于不同码本规模和初始化设置下均提升了训练稳定性、码本利用率和重建质量。

ImIR 提出用退化图像自身生成的图像指令替代文本提示，通过 VAE 保留结构、轻量 token mapper 将退化图像的视觉-语言嵌入向干净图像的嵌入偏移，从而驱动图像编辑模型完成修复。

研究提出 ActObs，在 SFT 阶段除动作 token 外也监督轨迹中已有的观测 token，不增加数据、参数、序列长度或前向计算。

研究者构建了 12000 条二选一道德困境数据集，覆盖诚实 vs 公正、公正 vs 自主、自主 vs 诚实三类价值冲突，并翻译为印地语、阿拉伯语、西班牙语和中文。

在 Phi-3-mini 和 Qwen2.5-1.5B 上，将候选数 N 从 1 增至 8 分别提升 GSM8K 准确率 8.4 和 18.4 个百分点，但候选数无法反映执行方式。

GPT-Policy 是一个面向上下文机器人学习的通用智能体框架，由上下文编译器、提出机器人工具动作的 VLM 和验证并执行动作的受限控制器组成，无需梯度更新或改动任务专属参数。真机试验中，人类视频演示即使没有机器人动作标签也能提升任务完成度，对齐的动作参考在接触敏感任务上带来进一步提升。

一项研究让拟人手用同一组手指完成移动、支撑体重与环境交互，且保留原有手指设计与位置控制器。该方法用强化学习应对手指不均衡问题，并在依据硬件测量校准的模拟器中训练，其奖励公式下的移动速度快于为四足机器人调优的奖励。硬件上，任务专用策略实现了无缆爬行、转向与跌倒恢复，还能在无视觉条件下执行连续键盘指令，并借助俯视视觉反馈将物体推至目标。