- 论文公开站arXiv
图像分类器是高效的自监督视频表征学习器
Image Classifiers are Efficient Self-Supervised Video Representation Learners
提出 VideoMSN，一种用于视频高效自监督时空表征学习的掩码孪生网络框架。它不依赖重型3D架构或重建式自编码器，而是复用标准图像分类器处理无标注数据。
- 论文公开站arXiv
通过信念自蒸馏进行用户模型提取
User Model Extraction via Belief Self-Distillation
摘要显示，该研究提出 Belief Self-Distillation（BSD）框架，让冻结的 LLM 充当自身教师，从自然对话中蒸馏出紧凑的用户表征，既可解码也可写回模型，从而将线性探测与因果探测统一。实验表明，BSD 能跨多个模型家族忠实恢复用户信念，且干预效果显著强于匹配的隐状态引导；改变模型推断的用户意图会改变拒绝行为，而请求本身保持不变。研究还发现不同独立训练的 LLM 在用户表征上收敛出共享几何结构。
意义：该工作把用户信念变为可读可写的内部状态，为AI安全中的拒绝行为归因与干预提供了新工具，也提示跨模型用户表征可能存在共性。
- 论文公开站arXiv
FreqSpaNet：用于物理层硬件完整性检测的SFPF频率与空间学习
FreqSpaNet: Frequency and Spatial Learning of SFPF for Physical Layer Hardware Integrity Detection
摘要显示，未经授权的硬件替换可在保留无线设备逻辑身份的同时改变其物理实现，给硬件完整性验证带来挑战。时空频极化指纹（SFPF）能捕获设备在多个频率与方向上的响应，但其频域与空域维度具有不同的结构依赖关系。为此作者提出 FreqSpaNet，一个用于开集硬件异常检测的 SFPF 表征学习网络：频率分支捕获相邻频率间的局部变化，几何感知空间分支利用角度信息建模方向关系，两者经自适应融合并结合互补预训练。实验显示其平均 AUROC 达 96.…
意义：为无线设备硬件完整性验证提供频域-空域联合表征方法，对物理层安全与设备身份认证研究有参考价值。
- 论文公开站arXiv
BioKERN：通过生物核正则化实现组织学-转录组学的邻域检索
BioKERN: Biological Kernel Regularization for Histology-to-Transcriptomics Neighborhood Retrieval
摘要介绍BioKERN，一种多模态空间表征学习框架，通过结合转录组相似性和空间邻近性构建训练时的生物核，提供分级邻域监督并正则化嵌入几何。在Mouse Brain Visium和Human Liver GSE240429数据集上，BioKERN在单尺度和多尺度设置下均优于BLEEP，且受控实验表明改进主要源于生物核正则化而非模型容量增加。
意义：为空间生物学多模态学习提供可解释的归纳偏置，帮助开发者构建保留生物结构的表征，提升检索性能。
