今日概览
- 29项评审指标中23项对保义改写敏感，研究者将674份ICLR和NeurIPS评审改写为4044个版本，两种LLM Judge上的结果大体一致。
- G6D无需训练即可求解6D位姿：它用实例掩码、相机内参和CAD模型完成几何匹配与细化，并提供可在CPU运行的配置。
- Q-TIE把时间约束从语义相似度中拆出。它将查询的时间意图映射为起止区间，再作为独立信号参与RAG结果重排。
重点关注
01 评测 内容没变，29项评审指标却有23项改了分
29项本应衡量实质质量的评审指标中，23项会因表达被改写而给出显著不同的分数，只有6项满足稳健性标准。研究者将674份ICLR和NeurIPS人类评审改写成4044个版本：评价内容保持不变，只调整措辞与呈现方式，以此检验指标究竟在评内容，还是在评文风。结果在两种LLM Judge上大体一致，说明问题很可能不是某个模型的偶然偏好，而是现有评测方法普遍混入了语言呈现因素。需要谨慎的是，「分数显著变化」不等于这些指标完全无效，具体变化幅度及其实际影响仍需看全文确认；但当指标被用于比较人写、AI辅助和AI生成的评审时，这种偏差足以动摇结论。真正值得复用的不是又一次证明LLM会偏爱流畅文本，而是这套效度检查：构造保义改写，再验证排名、分数和判断是否稳定。设计评审评测的人，应该先通过这道压力测试，再讨论哪个系统的评审质量更高。
原文：Judging a Review by its Cover: A Reliability Analysis of LLM-based Peer Review Evaluation Metrics
02 机器人 6D位姿估计一定要靠大模型吗？
机器人上的算力还要留给规划与控制，感知环节未必越「重」越好。G6D走了一条颇为意外的路线：不训练模型，而是根据实例掩码、相机内参和CAD模型做模板几何匹配，再用轮廓与深度一致性细化位姿假设。它还能通过调整假设数量交换精度与计算量，并提供无需GPU的CPU配置，对算力紧张的平台尤其有吸引力。论文摘要称其在LineMOD、五个BOP19数据集及真实抓取实验中表现出竞争力，但具体速度、精度和硬件条件仍需看全文确认。更准确的判断不是「几何方法取代学习方法」，而是当目标物体已有CAD模型、掩码也能可靠获得时，纯几何方案重新成为值得评估的部署选项。
原文：G6D: Geometric Learning-Free RGB-D 6D Pose Solver for Robotic Manipulation
03 检索 Q-TIE用起止区间约束时间检索
时间敏感的RAG查询里，「内容相关」和「时间吻合」其实是两件事，混在一个相似度分数中容易让日期约束失焦。Q-TIE把查询中的时间意图提取为统一的起止区间，再将它作为独立信号参与结果重排。这样既保留了学习式模型理解不同问法的灵活性，也不必依赖为每类时间查询预先编写规则。摘要称它能跨多种时间查询稳定优于现有方法，但没有给出具体幅度，实际泛化能力和额外延迟仍需看全文确认。对正在搭建时效性知识库的团队，这种可插拔的轻量重排层值得评估，尤其适合日期边界比语义相似度更重要的场景。
原文：Q-TIE: A Lightweight and Generalizable Re-ranking Framework for Temporal Information Retrieval
