多算哪一步，多看哪种数据

Polar Switch：先优化计算电路，再近似 polar

Muon 的代价不只在多项式次数，也在怎样复用矩阵乘法。对归一化矩阵 X，Polar Switch 搜索有限缓冲区中的多项式电路；标量谱变换对应同一组奇多项式。[1]

循环深度与反传深度：省掉梯度未必省算力

令 T 为前向循环数，B≤T 为反传循环数。592次训练、58–919M非嵌入参数的实验，把重复计算折算成有效参数量；N_once / N_rec 是非循环／循环部分参数数。[2]

数据越多，验证集选得越重要

在8个真实表格任务中，训练样本扩展至千万级；评估包含随机划分与时间／群体偏移。误差按数据集 d、方法 m 分解为可下降项与平台项：[3]

按同分布验证集调参，可能随训练数据增加而让分布外表现恶化；代表部署分布的验证集能在 MLP 实验中缓解该现象。PFN 上下文中加入分布外样本并不总能解决问题。[3]

T-MUON：张量化的谱更新

用 t-SVD 与变换域算子推广 Muon；51M–1.3B 预训练中，优选的张量组织随模型而变，不能把一种变换的优势视为普适。 [4]

从统计模型看 Muon

用结构化梯度协方差联系 Adam、Shampoo、Muon，提出 MN-Muon；小 GPT 对照优于 Muon，但中等规模最佳配置与 NorMuon 相近或略逊。 [5]

DP-Muon：隐私噪声之外，还有裁剪

把梯度裁剪与正交化放在一起分析；语言模型实验中最优优化器仍依赖 batch size。摘要不能支持无条件收敛率或全面优于 DP-Adam 的说法。 [6]

Halcyon：文生图是否需要语言预训练？

在100M图文对上从头训练；控制实验中，额外纯文本预训练未改善文生图。跨模型算力比含不同训练路线，不是同模型严格消融。 [7]

Ropedia W0：人类经验与机器人数据

用约10k小时人类视频与3k小时机器人经验训练跨具身世界模型，报告两类数据扩展的正向收益；这不等于已核验幂律指数。 [8]

Physical RSI：观测式能力外推

在固定交互预算和18个操控任务中，用模型能力代理与早期反馈预测自改进进展；观测关系不构成某个扩展轴的因果效应。 [9]

答案交付也消耗 token

把最终作答提示计入共享预算；两个 checkpoint 各100道新 GSM8K 题上，正确率升8/7个百分点，但实际槽位节约不足1%。 [10]

BOSS：共同预算下生成、评判与停止

同时计入 prompt 与 completion，在线分配候选生成、评判和停止；24个配置中22个最好。该结论限于所比较策略和预算格点。 [11]

RAG：扩语料也在扩干扰项

固定相关文档、增加干扰文档，检验检索方法排名与存储／检索粒度的变化；这是语料规模效应，不是模型参数 scaling。 [12]

Indic：合成预训练数据的配比

构建2.83T tokens、22种语言的资源，比较合成／自然文本和英语混合的持续预训练；配比收益需要连同语言与评测分布解读。 [13]

LP-SMC：粒子数不等于祖先多样性

用 Chopthin 与保留机制减轻扩散语言解码中的谱系坍缩；oracle 覆盖提高，最终准确率改善11/12项。ESS 重置不能单独证明多样性恢复。 [14]

RLVR：动态解码支持集的边界

4B代码模型、150M-token预算下逐步扩大 top-k；优于固定 k=10，但接近最佳固定 k=20，单次测试结果相同。不能据此宣称普遍优于固定策略。 [15]

截断推理后的决策模型

以小型决策模型读取截断轨迹，在预算下评估35种模型组合；成本收益是留出集上的离线估计，不能直接等同在线部署节省。 [16]

球面固定点推理与自适应停机

把递归状态限制在球面，并按固定点残差决定计算深度；摘要提及有条件稳定性，未读完整假设，故不转述为无条件收敛。 [17]

课程学习的推理跨度上限

匹配算力下，课程学习改善隐式长程推理，但前瞻跨度呈饱和趋势；扩大训练并未消除所测任务中的能力上限。 [18]

ATEST：预算随系统负载改变

把 GPU 负载与能耗纳入推理预算控制，联合权衡准确率、时延和吞吐；同一 token 预算不意味着相同系统成本。 [19]

Flow matching 的噪声更新 SMC

通过潜变量噪声更新保持搜索多样性，对确定性 flow matching 做 test-time scaling；不要把它误述成直接把原 ODE 改成反向扩散 SDE。 [20]

P(Yes)：15倍的基线是什么？

用冻结决策模型的 yes 分数驱动搜索；128个谜题完整解出数从2到30。15倍来自低基数，不能替代绝对成功率。 [21]

ATLAS：把搜索集中到局部潜变量

用注意力定位视觉自回归生成的局部候选，按预算做组合对齐；目标类别的相对增益不应写成整体图像质量提升。 [22]

GeoART：相机条件视频的几何筛选

用几何感知候选修正与置信门控扩展测试时计算，无需额外训练；摘要不足以核对不同方法的严格同预算优势。 [23]

BatchParScale：稀疏流间通信

通过少量位置在并行流间混合状态，提高语言建模表现；loss 收益与事实检索收益并不一致，不应混为一种 scaling 效果。 [24]

e-process 停止：控制的是什么错误？

用在线信号检验减少推理长度；Ville 型界控制的是相应零假设下的信号误报，不是最终答案错误率。 [25]

DeGMatch：预算内的数据匹配

去中心化梯度、移除主方向并加门控，按目标任务选推理数据；证据是不同预算与模型规模的实验，而非通用最优混合定理。 [26]

扩展模型，也要看能力可靠性分布

20个模型、6个基准按释义采样区分“至少能答对”与“稳定答对”；平均分提高不能直接说明所有问题的可靠性一起提高。 [27]

ECHO：复用末层做深度扩展

以共享末层递归和多步训练目标增加有效深度，比较预算内的预测收益；不能把参数共享直接换算为端到端成本节约。 [28]

预训练过滤的收益与持久性

蛋白质语言模型中的数据过滤效应随模型规模变化，但后续微调可能削弱其持久性；只记录规模与数据分布结论，不展开操作性细节。 [29]

C-OPSD：并非每条轨迹都要蒸馏

小组样本拟合的信噪模型可外推较大组的梯度对齐；筛掉部分轨迹后，打包实现训练耗时约降40%，但 rollout 生成保持不变。 [30]

recAMPLIFY：蛋白质模型的递归深度

155M唯一参数、2T训练 tokens，与350M基线比较；自适应门控进一步降低期望深度，但精度折衷随任务而变。只收测试时计算扩展结论。 [31]

再多学生数据，也可能继承教师偏差

高斯代理模型给出有限样本风险：增加学生样本不自动消除教师偏差，固定表示的收益存在样本量阈值。结论需保留代理模型假设。 [32]

视觉 token 数不是实际算力

8种剪枝方法、3个 VLM、9个基准显示，同 token 数对应不同端到端成本；在共同能力保留目标下，方法的提速排名会变化。 [33]

Nesso 3：失败的数据混合也值得记

0.4B模型经 SFT 在100题工具测试中得到74分。加长链 ToolMind 数据的实验降至49分；较强 on-policy 蒸馏虽得75分，却降低意大利语指令与学术指标，未进入最终版本。作者还记录过度拒答及配比调整；小测试集、未公开合成数据与未充分重复的消融限制泛化判断。 [34]

版本记录：25篇，差异未核实

表内主题说明用于定位论文，不表示该结论在此次版本中新出现。前三期已读的 SLDBench、ICS 与 self-orchestration 不重复计入新闻。