世界模型作为对抗者：多智能体自博弈微调实现鲁棒运动规划
提出AWM框架，将世界模型转为对抗者，通过解耦优化实现多智能体自博弈，提升密集交通场景的鲁棒规划性能。
大语言模型在错误信息生态系统中的滥用、防御与脆弱性
大语言模型把错误信息从内容问题升级为生态系统安全挑战，本文提出角色-层次框架分析攻击、防御与漏洞，并指出三大开放挑战。
约束非确定性：将AI驱动的研究系统视为DBMS，以实现可靠、无浪费、透明和协作的研究 [愿景]
LLM作为编译器而非执行器，通过确定性版本化数据流引擎组织研究，确保可靠、无浪费、透明和协作。
Spatula：探索按需原位界面与交互实现属性控制
提出Spatula系统，自动生成按需原位属性控制界面，支持动态图形迭代，提供直观细粒度交互，并泛化至网页与3D设计。
将大脑动力学建模为端口-哈密顿系统
将运动皮层建模为端口哈密顿系统，通过度规积积分器拟合EEG，实现临界态和锁相恢复。
临时授权，持久效果：LLM智能体的提交时授权
LLM代理提交时授权失效致安全风险，CommitGuard可阻挡过期提交。
基于证据引导推理提示缓解代码异味检测中的大语言模型谄媚偏误
LLM在代码异味检测中谄媚偏误严重，证据引导推理提示(EGDP)将决策翻转率降至12%，假对齐率降至21%。
Motif：发现并自动化个人网页工作流程
Motif系统通过被动观察浏览器活动，自动发现可编程的交互模式并推荐给用户，生成程序，发现模式多于用户自识且实用。
中文标题：何时限制编码代理仅用execute_code有帮助？机制×代理设计消融实验
中文摘要：限制代理仅用execute_code在多数场景更便宜，但效果取决于任务和代理设计，成本差异在缓存调整成本而非通过率。
闪电般快速的匹配依赖发现：基于Desbordante
优化HyMD算法，提出采样、泛化查找与依赖表示技术，实现超40倍加速（最高170倍），支持Python双向集成。
PromptGraph: 图引导的提示清理方法，用于平衡大语言模型推理中的隐私与效用
提出图引导的提示清理方法，通过图结构建模隐私与上下文依赖，显式平衡隐私与效用。
实践者如何构建软件工程智能体？来自混合方法研究的启示
实现成本降低使瓶颈转向非编码工作，评估驱动开发成核心，面临评估不可靠、理解债务等六大挑战。
分布式科学否定：间接数据投毒如何使AI系统实现科学欺诈工业化
间接数据投毒攻击成功率达49.56%，检测率仅6%，溯源审计可完全防御，威胁科学诚信。
覆盖路径规划：经典基础、近期进展与未来方向
综述覆盖路径规划经典与进展，分六类方法分析挑战与方向。
使用Copilot进行注释：学生代码生成规范的分类与多年分析
学生主要写“做什么”注释，程序化结构转向“如何做”，更关注验证代码而非反复修改注释。
动作映射策略：通过像素分类学习3D闭环操作
把3D动作投影到相机图像平面，以像素点作为离散类别，实现高精度、多模态的快速闭环操作策略。
分布式智能体系统：具身智能体间的容错协作
提出分布式智能体框架，通过容错对齐与半形式化协议，实现异构具身智能体可靠协作。
审计隐藏信息社交推理游戏中的信念条件LLM代理
构建可审计框架，发现主动信念关联好人方胜率提升(0.205→0.390)，但行为信念一致性低，机制未明。
MDQEC-QAS：结合硬件感知VQC搜索与置信门控恢复的量子纠错元解码框架
提出元解码框架，硬件感知VQC搜索+置信门控恢复，在高挑战纠错场景下显著降低逻辑失败率。
基于确定性策略的扩展平均场控制的演员-评论家学习
提出连续时间扩展平均场控制的无模型强化学习，采用确定性策略推导策略梯度，开发深度确定性策略梯度算法，实验验证有效。
面向自动驾驶车辆的异构边缘GPU上视觉Transformer的边缘物理AI部署
提出H-FraDS调度，在异构边缘GPU高效部署视觉Transformer，实现125.93 FPS、92% F1分数，满足实时约束。
平衡即初始化：物理结构深度均衡推理中的惰性恒等坍塌
深度均衡模型推理中平衡解恒等于初始值，迭代无效，精度无改善，呈惰性恒等坍塌。
基于功能性的操作规划：文本目标与通过真实到仿真图像转换实现的仿真到现实泛化
基于视觉预测和文本目标匹配的操作规划系统，利用图像转换实现仿真到现实泛化，处理遮挡跟踪。
CGS：具有有界邻域损失和查询支持的可配置图摘要
CGS可配置图摘要框架，支持有界邻域损失与多查询，实现高压缩高精度。
关键时思考：基于条件VLM推理的社交导航与强化学习策略
提出HUMA混合架构，结合RL高效性与VLM深度语义，动态切换处理社交导航，显著提升成功率并减少侵犯。
BackendForge：面向后端服务的智能体端到端代码生成基准测试
BackendForge评估LLM生成可部署后端服务的能力，GPT-5.5最终仅28.6%成功，表明模型难以完成完整后端任务。
视频大语言模型真的在“看”吗？——长视频角色追踪失败诊断
模型追踪角色依赖性别等浅层线索，未能真正区分个体，基准得分不代表真实能力。
相同故事，不同旅程：AI中介的同伴职业探索中从社会比较到意义构建
JobMate将真实职业帖转为对话AI，变被动浏览为主动对话，促进意义构建并转化社会比较为自我重构，但仍需真实同伴情感基础。
通过注意力头控制扩散变换器中的运动迁移
通过分析DiTs注意力头，区分运动与结构专用头，实现无参数更新的精确运动迁移。
VIA：面向机器人控制的视觉界面代理
VIA框架让基础模型通过浏览器3D界面零样本控制机器人，无需微调，成功率高达96.7%。
多智能体大语言模型未能相互探索
现代LLM多智能体探索失败，MACE框架通过结构化同伴选择显著提升探索与任务性能，理论表明探索价值随多样性增加。
BeatEdit：将符号音乐生成作为显式编辑
BeatEdit提出显式编辑框架，通过三种机制实现高精度符号音乐生成，推理小于100ms。
Pix2Act: 基于图像空间的操作策略与等变增强
Pix2Act将3D控制简化为2D轨迹预测，利用等变增强提升泛化，在模拟和真实任务中超越现有方法。
RepTran：基于搜索的Transformer模型修复方法
RepTran通过差分进化优化前馈网络权重，平均修复率74.7%，提升AI软件可靠性。
AMT-X：基于阶段结构的多轮红队测试与检查表门控评估
AMT-X框架通过阶段化多轮攻击与多角色检查表门控评估，揭示部分与完全可操作危害间达33%的成功率差距。
MusicMark: A Robust Generative Watermarking Framework for Music Generation
MusicMark是首个生成式音乐水印框架，在扩散模型中嵌入水印，鲁棒抗攻击且保持质量。
HandFlow：基于流匹配的全生成式4D手部重建
HandFlow采用流匹配全生成式方法，实现单目视频4D手部重建，精度、平滑性和速度均达SOTA。
DeepBias: 大型视觉语言模型中社会偏见的自适应深度探测
DeepBias采用生成-进化-探测循环，自适应深度暴露LVLM社会偏见，构建了挑战性基准。
面向Android到OpenHarmony的GUI测试迁移的实证研究
首个实证研究：现有迁移方法成功率仅15%-26%，改进后ITeM-HM提升至81%。
迈向可预测、对齐且可扩展的机器人学习
通过潜在空间推理与多阶段模态对齐，实现跨模态一致的预测动作生成，在复杂任务中优于现有模型。
PRISM Edit：一个向量应对所有时间性答案
提出PRISM Edit，利用模型固有调制路径优化多义表示，实现时间正确预测，性能提升超2倍。
中文标题：一个用于全面心脏CT分割和表型分析的统一框架：人在回路数据标注、视觉基础模型开发、多中心评估和临床验证
中文摘要：提出统一框架，集成人在回路标注与自监督预训练，构建最大心脏CT标注数据集，多中心验证优于现有工具，支持人群表型分析，已开源。
编程语言政策作为人工智能素养公平问题：一项十五国比较分析
十五国课程分析揭示编程教育缺失与“语法天花板”问题，考试驱动不公，需重构AI素养公平路径。
与智能机器人长期物理共存的初步探索
提出PHILIA多机器人系统，通过统一接口解耦推理与执行，实现插件式集成，完成长期复杂服务任务。
故障感知且可解释的测试预言预测
提出FOCAL模型，通过代码LLM预测测试结果，重点强化失败案例并给出语句级解释，显著提升未知项目的故障检测能力。
Mako：面向自主网络利用的自进化智能体操作系统
Mako是首个自进化智能体操作系统，自主网络利用全覆盖104个CTF应用，揭示能力稀缺定律。
纵向多视角乳腺癌风险预测
提出LMV-Net模型，结合纵向对齐的CC和MLO多视角，提升乳腺癌风险预测性能，优于现有方法。
理解AI代码助手对安全API使用的影响：一项实证研究
研究表明AI编码助手Copilot改善功能正确性，但未显著提升安全API使用，开发者安全意识不足。
BackgroundMellow：一种多模态协同框架，用于叙事驱动的丰富电影音景生成
提出主-专智能体架构和NLP模块，将文本分解为多层音频线索并精准混音，实现叙事连贯的电影级音景生成。
AutoMatBench：用于加速材料性能预测基准测试的自动化优化工具包
提出AutoMatBench，自动优化配置，12步内达MatBench效果，成本减半，助力新材料发现。