HMT 
QUIVER 把向量检索下推到 SPARQL 引擎，路径模式研究用可执行参考语义审计答案一致性。Agent 演化与世界模型也面对相似问题：收益能否跨任务、跨时间和观察方式保持？语义工程读者先看查询执行，置信度工具则须同时检查排序与校准。
1. Efficient Dense Vector Search within Knowledge Graph Content Embeddings
原论文 · 2609.24236v1，版本提交 2026-09-21 · PDF
QUIVER 将张量函数注册、向量解析和 ANN 索引下推到 QLever，把图约束与向量排名放在同一 SPARQL 计划中。扩展 BSBM 与含图像嵌入的 DBpedia 上，加索引的指定查询分别快 355 倍、97.8 倍。比较涉及索引与非索引路线，不是所有 SPARQL 都快数百倍；近似质量、构建与更新仍需验收。
2. Same Pattern, Different Answer: A Reference Semantics and Divergence Map for GQL and SQL/PGQ Path Patterns
原论文 · 2609.23032v1，版本提交 2026-09-19 · PDF
路径模式审计以十七类构造检查五产品六版本，九类在接受它们的引擎之间有不同答案。二十六项分歧中十五项静默发生，但其中九项属于手册已记录的语言差异，不能统称实现 bug。我的判断是，参考语义、方言无法表达、拒绝执行和真正偏离应分开计数，才能定位互操作边界。
3. RRSI: Regularized Recursive Self-Improvement of Agent Harnesses
原论文 · 2609.24972v2，版本提交 2026-09-23 · PDF
RRSI 限制 harness 每次改动规模，鼓励未探索路径，并以 critic、pruner 去掉面向基准或高成本低收益的机制。八项评测中，演化集最高增加 14.1 点，五个分布外基准最高增加 4.7 点，策略 token 比无正则演化少约 30%。内外差距仍在，最高值不能当作平均迁移收益。
4. WorldCrafter: Consistent Video World Model with Implicit 3D-aware Memory
原论文 · 2609.24984v1，版本提交 2026-09-21 · PDF
WorldCrafter 由目标视角决定历史多视图证据如何压入固定 token 预算，在去噪前读取隐式 3D 感知记忆，再结合近期时间上下文。静态和动态场景的分钟级探索支持一致性及相机控制收益。无需显式深度对应并不表示没有几何误差，训练场景、姿态估计和有限容量仍限制长期记忆。
5. Pinocchio: Fast Uncertainty Estimates for Black-Box Language Models
原论文 · 2609.24881v2，版本提交 2026-09-22 · PDF
Pinocchio 为黑盒回答训练外部正确性校准器，不访问目标 logits、参数或内部状态。v2 摘要在七个来源模型的留出响应上报告 AUROC 0.862，正文表 3 则列 0.863；本篇保留这个原文差异，不拼成新结果。作者另测试十三个未见模型。AUROC 是排序区分，不能保证每个概率可靠，部署仍需校准曲线、分布变化和错误成本检查。
图：外部校准器与模型口述置信度的可靠性图。Kevin David Hayes , Arka Pal , Haosong Zhang , Tom Goldstein , Micah Goldblum，arXiv:2609.24881v2，Figure 2，PDF 第 6 页。原始图源 · CC BY 4.0。裁剪自原文。
6. MobileCybench: Evaluating Agent Vulnerability Discovery via Executable Probes
原论文 · 2609.23980v1，版本提交 2026-09-21 · PDF
MobileCybench 以可执行安全属性探针核验漏洞报告，包含十三个 Android 应用、495 个经作者审查的探针；评测发现二十三个此前未报告问题，多数得到维护者确认。回放比关键词判分更贴近属性是否被破坏，但只覆盖预先编码属性，未触发不能证明无漏洞，应用触发比例也不是完整漏洞召回率。
7. MotionJEPA: Preventing Temporal Feature Collapse by Capturing Visual Changes in Latent Space
原论文 · 2609.23881v1，版本提交 2026-09-20 · PDF
MotionJEPA 用静态分布约束和时差图像嵌入预测，缓解慢特征占优，保留动态信息，无需动作标签或像素重建损失。潜在探针和四环境规划支持动态表示收益。表示更完整不意味着所有任务更好，静态背景干扰、环境与规划器配置仍决定受测范围。
预印本结论可能随修订变化。