贝叶斯A/B测试并非单一方法，其效果取决于先验和停止规则等配置。默认平坦先验加后验概率阈值会重现频率派的偷看问题，而贝叶斯因子停止可控制错误率。经验贝叶斯先验能纠正赢家诅咒，但需高质量维护。贝叶斯与频率派方法在常见配置下等价，Spotify因维护成本高，暂不采用贝叶斯推断。

语音增强（SE）面临数据、目标和任务等挑战，自监督学习（SSL）逐渐成为解决方案。SSL通过未配对数据学习和生成式方法，重塑了SE的训练目标。研究表明，SSL特征在增强任务中有效，未来将关注多任务统一增强、低信噪比生成模型及可控的语音生成。整体来看，SSL为SE提供了更强的先验和设计空间。

本文讨论了一种轻量级的在线强化学习方法，用于微调视觉-语言-动作模型。研究者通过引入“RL token”提高样本效率，使得模型能够快速适应真实世界任务。该方法结合冻结的VLA和小型actor-critic网络，优化关键任务阶段的表现，旨在实现高效的在线微调，同时保持泛化能力。

北京大学彭宇新团队提出了分类感知表征对齐方法TARA，旨在解决多模态大模型在生物类别分层识别中的挑战，提升细粒度和分层视觉识别的准确率。该方法通过对齐大模型与生物基础模型的表征，注入类别树知识，从而增强模型的识别能力。

本文介绍了MetaWorld，一个基于分层世界模型的机器人控制框架，旨在弥合高层语义理解与低层物理执行之间的鸿沟。该框架结合视觉-语言模型、模仿学习和强化学习的优势，通过分层架构进行任务解析和动作生成，提升机器人在动态环境中的适应性和泛化能力。

研究团队开发了InstantViR框架，成功解决了实时高质量视频重建的难题。该系统通过简化视频扩散模型，实现每秒超过35帧的处理速度，重建质量优于现有技术，为视频会议和直播等应用带来了新机遇。

MIT团队提出SpectroGen模型，通过物理先验生成高保真光谱，解决了传统材料表征效率低、成本高的问题，实现了材料发现与验证的同步，推动材料科学向新范式发展。

本文讨论了DreamControl，一种结合扩散模型与强化学习的全身类人机器人控制方法。该方法利用人类动作数据生成自然运动轨迹，提升机器人在复杂环境中的自主操作能力，解决了稳定性和协调性问题。研究表明，该方法在多种任务中有效，推动了人形机器人技术的发展。

本文介绍了一种新框架MAPLE（基于偏好的模态对齐学习），通过多模态大语言模型（MLLM）指导跨模态表示学习。MAPLE利用MLLM的细粒度对齐先验，采用强化学习方法构建自动偏好数据，并引入相对偏好对齐损失（RPA），显著提升了跨模态检索效果，尤其在处理细微语义差异方面表现突出。