本期收录12篇10月29日UTC首次提交的预印本,卡片标注北京时间,均在截稿前48小时内。论文尚未经过本期独立同行评议;旧数据与代码不当作新发布,所有实验数字为作者报告,本期未独立复现实验或数学证明。
这项工作值得关注的是保留否定结果和重测门槛,而非只展示一份自动生成的论文。原文为10月29日UTC首次提交,开源程序可供审查;本期未操作仪器,也未独立复核理论证明。
线性复杂度不代表所有精度目标下都胜过经典方法,常数仍取决于结构和分辨率。复现应区分论文主体与成本测量的两个版本标签,先核对数据供应,再比较误差、稳定性和实际耗时。
比较结果依赖本文指定的模型、接口、任务和搜索预算,不可把某基线在这一设计实验中零命中写成普遍失效。论文提及的Mosaic属于相关设计资源,不能当作MoLRSI本体开源的证据。
系统减少假完成判断的同时保留不确定性,对实际代理评测很有意义。读表时需要同时看误报率、覆盖率与已判定准确率;全文引用的AdaRubrics是相关工作资源,不应冒充VeriCUA的代码。
这篇工作的实用启发是审查训练视图如何定义,而非把标题理解成所有基础模型必然收敛的普遍证明。复现还需取得外部数据和部分受许可限制的视觉权重;本期只核验资料,未重跑训练。
联合建模在部分运动任务上有效,但基准中的静止成分会改变排名,不能只引用最亮眼百分比。论文证明的是指定协议下的预测能力,尚不能直接等同于闭环机器人控制成功率或通用物理理解。
“恢复损失质量”不能解释为准确率上升同样百分点,也不等于免除剩余计算。评估时应把首token延迟、后续轮次质量和后台补算成本一起计量;本期未复现SGLang实现或硬件时延。
这是一项设计空间研究,不能压缩成“循环越多越强”或“免费获得深度”。部署选择须对应自己的参数容量、训练预算与解码并发条件,论文中的不同约束实验也不能混成同一效率排名。
应把理论保证、协议开销和真实模型部署分开看。仓库说明大型MNIST实验有显著内存与构造成本,论文协议计时不包含所有准备工作,因此不能把在线验证加速推广为端到端监督成本同比下降。
这项评测把正确性之外的归属、意图忠实性和贡献性质放到台面上。三轮使用不同模型且仅继续未解决题,因此轮间成功比例不能直接作为公平模型排名;本期将新事件限定为这份评测研究。
这份基准提示:看懂论文、跑出程序和完成科学验证是不同层次。开放子集有环境配置和核验资源,但不能宣称93任务全部开放;复现实验还需要计算资源、外部资产及模型API,本期未启动这些运行。
本期最需防止误读的是把“Lean检查连接推论”扩大成“所有源定理已机器证明”。该资源的价值在于显式保留前提和警告,适合逐条审查后复用;本期未运行Lean或独立验证数学陈述。