视觉免费，言语有偿：揭示边缘VLM推理的真正能耗瓶颈
输出tokens数量是能耗关键，解码时长比输入高11-39倍，控制输出长度可节省97%能耗。
铭记你的痕迹：面向一致性与层次化仓库级代码文档的记忆引导长时程智能体框架
MemDocAgent利用共享记忆积累痕迹，实现仓库级代码文档的一致层次化生成。
Data-Efficient Deep Learning: Empirical Guidelines for Training Set Size Estimation in Inertial Sensor Classification
ALICE：从视觉、视觉-语言和全切片级别专家中学习通用病理学基础模型
ALICE通过多阶段聚合蒸馏整合多种专家模型，在96项下游任务中取得最佳平均排名。
PanoWorld：真实世界全景生成
利用旋转等变性质，提出PanoWorld，通过DPRC和GMA实现全景世界模型的长程记忆，大幅超越现有方法。
Wan-Dancer：一种用于分钟级连贯音乐到舞蹈生成的层次化框架
提出层次化框架，通过全局关键帧规划和局部时间细化，突破时长限制，生成超一分钟稳定高清舞蹈视频。
TCLA：面向医学视觉语言模型的无训练类别级逻辑适配
TCLA通过少量样本无训练校正推理logits，提升医学视觉语言模型在域外数据上的性能，优于现有基于训练的方法。
主动拒绝机制实现通用机器学习原子间势的可靠泛化
ATR通过主动拒绝不可靠结构，仅用0.2%真实标签生成289万高质量伪标签，显著提升泛化与动力学鲁棒性。
Clean2FX: 标签条件化的干净到效果吉他音频转换建模
Clean2FX用配对数据训练U-Net模型实现标签条件化电吉他效果转换，优于VAE，其中失真效果提升最明显。
所有解释都是错的，但很多是有用的：使用大语言模型探索罗生门解释集
提出罗生门解释集，用大语言模型迭代对齐解释与预测，同时提升准确率和解释质量。
动作因子化多智能体强化学习用于可扩展量子设备调优
提出QADAPT框架，通过动作因子化解耦干扰，实现零样本泛化至未见过尺寸量子设备，加速校准。
十年视觉语言AI模型的准确性与视觉认知错误演变
通过CSB数据集评估十年VLM模型，发现MLLMs消除了准确率差距和多数错误类型，但空间依赖误差仍存在。
将失败视为一个过程：对CLI编码代理轨迹的剖析
编码代理失败多由认知错误驱动，早期发生但隐藏至不可恢复，需早期验证干预。
可提示概念分割（自上而下视角）：评估SAM 3在遥感中的零样本与单样本能力
SAM 3遥感零样本/单样本评估：视觉提示有效，文本提示干扰；避免过拟合但受限于亚像素分辨率与语义盲点。
合成数据与标签分布对油菜分枝计数的影响
合成数据与真实图像比例1:7及高斯平滑标签分布，使油菜分枝计数平均绝对差降低14.7%。
TSAI-MetaFraud：元宇宙生态系统中金融欺诈交易与行为风险检测的基准数据集
TSAI-MetaFraud是元宇宙虚拟经济多模态欺诈分析基准数据集，集成行为、交易与图信息，支持多任务检测。
4DR360：面向4D雷达-相机全场景感知的联合3D检测与占据预测的状态推理
提出4DR360框架，将语义占据作为持续状态，通过跨模态状态推理实现雷达-相机360°联合检测与占据预测。
深度神经网络中统计不可检测的后门
对抗训练者可植入统计不可检测后门，提供对抗样本，无后门则无法生成。
基于基数约束的大规模投资组合优化问题与增强型多目标进化算法
通过新表示、算子和修复机制增强多目标进化算法，实现基数约束下更快收敛和广泛搜索，性能不降。
语义帕累托-DQN：一种用于金融异常检测的多目标强化学习框架
提出语义Pareto-DQN多目标框架，用大语言模型编码交易特征，优化向量奖励，动态权衡误报漏报，提升少数类召回。
Lean-QIT：面向量子信息理论的形式化基础设施
LeanQIT提供量子信息理论的形式化基础设施，包括可重用组件，并形式化了量子信源编码和经典容量定理。
PAC-ACT：面向动作分块变换器的后训练Actor-Critic
提出PAC-ACT后训练框架，对动作分块变换器进行强化学习微调，提升工业接触任务成功率和力安全性，峰值力降低46倍。
OpenLongTail：长尾驾驶数据的生成式扩展
OpenLongTail通过生成式视图合成将异构长尾数据转为一致多视图，提升自动驾驶处理长尾事件的鲁棒性。
CoCoT-EEG: 基于对比预训练的多尺度卷积Transformer用于脑电解码
CoCoT用对比预训练和多尺度卷积Transformer，在EEG解码中超越重建预训练模型，且数据高效，从零训练即优于单任务模型。
基于变量投影的图正则化低秩矩阵补全
提出图正则化RTRMC方法，利用行列关系提升低秩矩阵补全的准确性和鲁棒性。
门控线性：用于时间序列预测的互补线性基自适应路由
GatedLinear通过三分量融合门自适应路由三种线性基，以小参数实现SOTA预测且可解释。
VEXAIoT：使用AI代理的自主物联网漏洞利用
提出VEXAIoT框架，利用LLM代理自动发现利用物联网漏洞，在测试中成功率高达95%。
面向语言智能的可扩展视觉预训练
挑战纯文本预训练假设，视觉预训练在同语料上表现更优，是实现可扩展语言智能的有效途径。
使用Kolmogorov-Arnold网络重新审视欧拉角回归
提出范围感知欧拉建模与KAN框架，利用其加性结构，有效提升欧拉角回归的精度与效率。
SplatCtrl：基于高斯场景表示与反应式机器人控制的感知-动作耦合
基于3D高斯泼溅的实时场景重建与反应式运动生成框架，实现动态环境中的无碰撞机器人控制。
高维M估计中的影响诊断：精确渐近性
在高维凸M估计中，推导了去一影响的极限分布，并揭示大影响样本靠近决策边界。
通过BREW框架改进语言代理：从经验中引导学习的环境知识引导
BREW框架将代理交互轨迹蒸馏为知识库，通过EG-MCTS算法优化，在三个基准上提升10-20%成功率并减少10-15%执行步数。
走向可关闭智能体：强化学习智能体与大语言模型中随机选择的泛化
DReST奖励函数让智能体在轨迹长度上保持中性且有用，实验证明其泛化性并显著降低干扰关闭行为。
聚焦局部：以对象为中心的视觉Transformer作为高效分割的基础模型
FLIP通过生物启发的选择性采样，用0.51M参数达79.9%mIoU，超越SAM2-L，速度快2倍。
高概率求解随机不动点方程
提出VR-GHAL方法，高概率求解随机不动点方程，在有限方差下达几何残差界，复杂度为ε^{-5}至ε^{-2}。
GReFEM：多模态大语言模型作为物理引导的3D网格细化的零样本语义助手
本文提出GReFEM框架，利用多模态大语言模型零样本实现物理引导的3D网格细化，实验证明其高精度。
PHINN-EEG：梦境状态脑电图的拓扑时间序列分析——用于梦境内容分类的动态贝蒂曲线与拓扑条件神经信号合成
提出PHINN-EEG拓扑框架，用动态贝蒂曲线分析梦境脑电，目标AUC 0.82-0.90，并实现拓扑条件神经信号合成。
超越思考的编程：高效稳健的多约束规划
提出SCOPE框架，分离推理与执行，实现高效鲁棒的多约束规划，成功率93.1%，降本增效。
联合嵌入预测架构用于太阳能光伏板故障分类
提出JEFFNet，融合自监督语义与监督卷积特征，高效实现光伏热红外故障分类，参数减47.2%，F1达93%以上。
控制拉盖尔镶嵌：控制系统上的半离散最优传输
研究基于代理最优运动成本的最优传输，定义了控制拉盖尔镶嵌（CLT）并举例说明。
FlowDAgger：潜空间中生成式机器人策略的人机协同适应
提出FlowDAgger，通过动作反演将人类干预映射为潜噪声，微调轻量策略适应冻结生成式机器人策略，高效保留先验技能。
面向超表面逆设计的自演进智能框架
提出自演进框架，通过技能文件演化将任务成功率从38%提升至74%，物理标准达标率从0.51升至0.87。
ProSGNeRF: Progressive Dynamic Neural Scene Graph with Frequency Modulated Foundation Model in Urban Scenes
超越嵌入：面向二进制代码相似性的可解释特征提取
基于语言模型代理生成可解释特征，无需训练即可匹配嵌入方法性能，结合后显著更优，实现准确性、可扩展性与可解释性共存。
LLM增强调查中的修正难度与最优样本分配
提出修正难度与最优分配规则，无需试点数据即可提升调查效率11-79%。
基于背景融合的原型少样本医学图像语义分割
提出背景融合原型法，通过特征校准与层级注意力融合背景，提升医学图像少样本分割性能。
基于多模态基础模型与几何的零样本三维通用障碍物检测
零样本3D障碍检测，融合多模态基础模型与几何，时序LiDAR聚合，定位100米内，召回率提升10-25%。
PACE：911接线员培训的个性化自适应课程引擎
PACE系统通过个性化课程推荐，实现911接线员培训时间缩短19.5%、掌握率提高10.95%，与专家一致率95.45%，周转时间减少95%。
GenVid2Robot：利用刚体几何一致性从视频生成到机器人操作
通过刚体几何一致性验证，将生成视频运动转化为可执行机器人轨迹，提升操作可靠性。
人眼视觉约束的超分辨率
受人类视觉启发，动态指导超分辨率，降低计算复杂度，减少FLOPS而不损失感知质量。