HALO：面向语言模型的混合自适应潜在推理
HALO通过混合自适应潜在精炼选择性二次处理部分token，以更少计算超越固定精炼方法。
GATS：基于图增强的树搜索与分层世界模型的高效智能体规划
GATS通过图增强树搜索与分层世界模型，零LLM调用实现100%规划成功率，远超LATS和ReAct。
安全伪装：机密医学图像建模中图像伪装技术的系统评估
系统评估图像伪装：分类任务有效但分割退化严重，RMT平衡最佳，AES损害效用，重构攻击对医学图像效果有限。
长时终端基准：用密集奖励评分测试智能体在长时终端任务上的极限
提出含46个长时任务的终端基准，分解细粒度子任务实现密集奖励。评估15模型，最强通过率仅15.2%，揭示巨大提升空间。
粘性路由：训练MoE模型以实现内存高效推理
StickyMoE通过路由一致性损失减少专家切换60%，困惑度仅降4%，实现内存高效推理。
L-MAD：法律推理中多智能体辩论结构的系统性评估
L-MAD框架评估法律辩论结构，提升准确度8%，但增加讨论轮次会导致错误强化，界定了协作系统的安全边界。
一个突现的海市蜃楼：突现失调与重新对齐是否确实是一个稳健现象？
突现失调对数据集表面特征高度敏感，控制响应长度后快速重对齐消失，证据不稳健。
奖励传输：通过噪声空间对齐实现流匹配中的属性控制
利用最优传输耦合对齐噪声与分子奖励，训练时嵌入可控结构，推理时调节标量坐标单调控制属性，无需额外模型或梯度引导。
AgentKGV：面向知识图谱事实验证的智能LLM-RAG框架与两阶段训练方法
提出AgentKGV框架，采用蒸馏SFT与轨迹GRPO两阶段训练，在知识图谱事实验证中宏F1提升14.9%，搜索调用减少近半。
视觉Transformer从自然图像中学习类格式塔的图形-背景线索
ViT能从自然图像中学到包围性、凸性等类格式塔线索，对称性仅对均匀颜色有效。
LieBN：李群上的批归一化
提出LieBN框架，利用李群左右不变度量实现黎曼批归一化，在九种几何上验证有效性。
HAT超分辨率与PARSeq+CLIP4STR投票集成用于极端场景车牌识别
结合超分辨率与双识别器加权投票，在车牌超分挑战中获高分，运行快速。
PRecG：基于图神经网络与修辞角色分割的法律判例检索
提出PRecG方法，通过修辞角色分段和图神经网络分层学习文档表示，提升法律判例检索准确性。
Director：通过在线主动专家放置加速分布式MoE服务
Director利用预测驱动在线专家放置，实现近零停机迁移，端到端延迟降低11%-55%。
MedRealMM：面向中文在线医疗咨询的真实世界多模态基准
基于真实医患对话构建多模态基准，评估19个模型，发现当前模型在安全避免错误方面仍存在瓶颈。
神经-代理控制：一种基于深度学习的LLM驱动代理AI框架用于安全控制管理
提出神经-代理框架，结合LLM与时间序列基础模型，通过反事实物理注入杜绝幻觉，实现工业物联网零无效动作自主防御。
DaDaDa：面向数据市场的数据定价数据集
首个数据产品定价数据集DaDaDa，含16147个产品元数据，支持定价、分类与检索。
MultiView-Bench：面向VLM中以世界为中心的多视角整合的诊断基准
新基准诊断VLM多视角整合短板，发现3D空间关系薄弱，提出ViewNavigator框架显著提升性能。
复杂性引导的逐组件初始化用于语言模型预训练
分析预训练模型谱结构，构造模仿组件幅度与谱分布的初始化，但评估无性能优势，粗粒度谱匹配不可靠。
可可制图是否需要亚米级分辨率？——基于科特迪瓦景观分层的甚高分辨率影像、十米级地球观测输入与业务化产品评估
研究显示，VHR影像可可制图F1达0.92，优于十米级最佳模型(TESSERA F1=0.86)，复杂景观中VHR优势更显著。
字母词形还原：使用一对一和带状RNN逆转中世纪文本中的字符集简化和缩写
自监督一对一RNN恢复字符简化，带状RNN扩展缩写，引入字符语义相似性度量，实现字母词形还原。
小规模双曲语言模型中涌现的创造力、诚实与设计遗忘
三个小语言模型在双曲空间上实现行为审计、创意框架和设计遗忘，为可信赖伴侣AI提供小模型路径。
C-GAP：类别感知与在线提示提升视觉语言模型在不平衡类别上的性能
C-GAP无需重训练，通过复合描述基线和LLM迭代优化提示，大幅提升少数类检测[email protected]（COCO上相对提升81%）。
HERO：面向联邦持续学习的异质性感知基准库
HERO基准库解耦三因素，控制数据倾斜与任务顺序不匹配，评估发现方法行为随异质性改变，平均准确率掩盖弱客户端。
StereoSplat+: 前馈立体高斯泼溅与扩散辅助渐进推理
提出扩散增强渐进推理框架，从单立体对重建高质量3DGS，有效处理遮挡与视角外推，性能优于现有前馈方法。
大型文学语料库的自动主题标引：伏尔泰全集的机器学习方法
本研究利用机器学习在伏尔泰全集中实现自动主题标引，最佳模型F1达0.67，验证了方法的有效性及标引主观性下限。
Toward Auditable AI Scientists: A Hypothesis Evolution Protocol for LLM Agents
WILDTRACE：长上下文推理中自然证据线索的基准测试
WILDTRACE基准通过214篇自然长文档中的481个任务，评估模型对源内因果、时序、叙事证据链的整合推理。
STEAM：基于弹性匹配与自适应净化的稳定自训练
STEAM框架通过稳定自训练、弹性匹配和自适应净化，实现无监督跨视角地理定位，性能媲美有监督方法。
分布偏移下可靠的长程代理上下文演化的范围验证
GRACE利用类型语义图维护指令并局部验证更新，将严格可靠性从0.091提升至0.673，优于平文基线。
OmniMapBench：多样化地图文档的视觉中心推理基准
提出OmniMapBench，含2096个地图视觉问答，最佳模型仅75%准确率，验证高视觉依赖性。
子令牌视觉Transformer用于细粒度识别
SubViT用子标记为关键区域分配额外容量，提升细粒度识别，在GCD任务上平均准确率提升3.4%，延时仅增0.5ms。
处理缺失数据的模式感知图神经网络
提出模式感知图神经网络编码缺失模式，在7个数据集上平均提升17%平衡准确率，区分缺失模式比任务优化更重要。
多模态强化学习中的奖励欺骗
多模态奖励欺骗严重，代理奖励提升时新增失败率超48%，规模增大仅部分缓解，需可靠验证的奖励设计。
跨语言习语表达的概念网络：基于特征的图方法
提出跨语言习语概念网络，基于特征图揭示概念图式聚类，提升检测与翻译，提供可解释稳定表示。
训练、阅读与编辑可读Transformer
提出方差下限惩罚使Transformer算子清晰可读，可编辑性提升50-184倍，质量与基线持平。
检测端到端生成任务型对话中的不一致性
提出基于约束满足问题的流水线，自动检测任务型对话中LLM生成的不一致性，实现高精度求解。
关于视觉推理中的局部性与长度泛化
研究发现全局捷径导致视觉模型泛化失败，局部递归策略可缓解，局部注意力对稳健组合泛化至关重要。
OpenProver：基于Lean 4的智能体与交互式定理证明
开源LLM驱动定理证明系统，采用Planner-Worker-Verifier架构，支持人机交互与自动形式验证。
DKCD：领域知识增强的非结构化数据因果发现
DKCD框架通过领域知识挖掘和因果推理，提升非结构化数据中因果发现准确性和完整性。
自适应贝叶斯精确追踪内禀时间上的信息
贝叶斯更新满足精确信息核算，遗憾分解为即时支付与信息距离减少，内禀时间由累积支付定义。
LongMedBench：面向长期临床决策的医疗智能体基准测试
提出LongMedBench，基于电子病历评估医疗智能体长期决策能力，含事实问答、时间推理与决策任务，发现模型隐式时间推理弱且决策依赖上下文。
GeoTrace：面向视频大语言模型的几何感知轨迹令牌压缩
GeoTrace无训练框架将视频令牌压缩为骨架与残差事件，仅用10%令牌实现12.99倍算力降低，性能保持99.1%。
欺骗性归因：临床检索增强生成中的实体归属失败
发现检索增强生成中“欺骗性归因”现象，用错误实体的证据回答，现有检测失效，部署系统发生率7.8%。
面向野外无人机的主动目标检测：大规模数据集、基准与方法
提出首个大规模无人机-地面主动目标检测数据集及基准，发现DRL方法泛化差，进而提出AOD-JEPA方法提升性能。
SafeExplorer: 一种用于带有恢复干预的强化学习的无偏策略梯度方法
SafeExplorer提出无偏梯度估计，消除恢复策略偏差，大幅减少训练跌倒次数，并保持或提升最终奖励。
面向长上下文LLMs的自引导测试时训练
提出S-TTT方法，让模型自选证据跨度训练，避免噪声干扰，在长上下文推理中提升准确率最高达15%。
面向德语和英语的主权开源基础模型
Soofi S 30B-A3B主权开源MoE混合模型，30B参数激活3B，性能领先，权重数据完全开源。
面向相互依赖的电力-通信网络中组件关键性排序的机器学习替代模型
基于梯度提升的代理模型实现组件关键性排序，Spearman达0.85，接近模拟上限，优于拓扑中心性。
探索扩散去噪动态以进行对比表示学习
D^3CL将对比目标与去噪重建结合，LoRA微调Stable Diffusion，实现生成与判别学习互补，ImageNet-1K线性探针80.1%，FID 5.56。