本文提出DLR-Lock方法，通过将预训练MLP替换为深度低秩残差网络，利用自动微分的推理-训练不对称性，增加微调时的激活内存和计算开销，并造成架构不匹配，从而有效防御自适应攻击者修改权重，同时保持模型原有性能。实验验证了该方法的有效性。

Robo-ValueRL提出统一框架，研究离线到在线强化学习中价值估计可靠性对策略优化的影响。它训练历史条件价值估计器，用全局进度和局部偏好指标评估可靠性，并用于质量条件预训练和在线残差自适应。实验显示，可靠价值函数能提升动作质量估计，稳定在线提升，使芯片插入成功率达86%。

本文介绍ResULIC框架，用于超低码率图像压缩，结合潜在特征、语义残差和扩散模型。核心模块包括语义残差编码（SRC）减少文本冗余，和压缩感知扩散模型（CDM）自适应匹配码率。实验显示，相比PerCo，LPIPS和FID分别节省80.7%和66.3%的BD-rate，提升感知质量与重建一致性。

本文介绍了一种名为“Focus-Then-Contact”（FTC）的强化学习方法，旨在提高机器人在接触密集任务中的学习效率。FTC结合了残差强化学习和基于关键帧的可供性引导奖励，通过人类干预优化策略，提升了机器人在真实环境中的操作能力，有效减少了稀疏奖励带来的学习困难，促进了更高效的在线学习。

DeepSeek-V4系列模型推出了1.6T和284B参数的两个版本，采用混合注意力架构和流形约束超连接，提升了长上下文处理效率。通过Muon优化器和多项基础设施优化，模型在训练和推理阶段展现出更高的稳定性和效率。预训练后，DeepSeek-V4在多个基准测试中超越前代，设立了新的性能标准。

本期节目讨论了最新的AI新闻，包括OpenAI的GPT-5.4发布、Mistral新模型、Meta与Nvidia的AI代理竞争，以及各大公司的业务与安全动态。

本文提出了一种名为注意残差（AttnRes）的方法，以改善大规模语言模型中的残差连接。传统方法使用固定权重累积层输出，导致隐藏状态随深度增长而失控。AttnRes通过软最大注意力聚合前层输出，使每层能够根据输入选择性聚合先前表示。为降低大规模模型训练的内存和通信开销，提出了块级注意残差（Block AttnRes），通过分块处理层来减少内存占用，同时保持性能提升。实验表明，AttnRes在不同模型规模中有效改善了输出均匀性和下游任务表现。

本文探讨了通过残差强化学习提升视觉-语言-动作模型的自我改进能力，提出了一种名为PLD的方法，包含在线专家获取、自动数据收集和监督微调三个阶段。该方法结合基础策略和强化学习专家，成功率超过99%。

本文提出了一种增强的残差矢量量化（ERVQ）方法，通过优化码本内外来解决码本崩溃问题，从而提升神经音频编解码器的性能。实验结果表明，ERVQ在多种模型和比特率下显著提高了音频质量和泛化能力。

本文提出了一种深度残差模型预测控制（DR-MPC）方法，旨在帮助机器人安全高效地在复杂人群中导航。DR-MPC结合了模型预测控制（MPC）与无模型深度强化学习（DRL），有效克服了传统DRL在数据需求和初始行为安全性方面的不足。实验结果表明，DR-MPC在模拟和现实环境中表现优异，能够在少于4小时的训练数据下应对各种拥挤情况。