基于信号时序逻辑的非线性系统参数合成学习方法
利用梯度优化与可达性验证，为不确定初始条件下的非线性系统合成鲁棒满足STL规范的参数并提供保证。
论视觉位置识别中的运动模糊与去模糊
针对VPR中运动模糊影响研究不足，提出新基准评估运动模糊与去模糊，并给出自适应策略。
量子增强合成数据生成：基于量子电路玻恩机的不平衡表格学习方法
混合量子经典框架用量子电路玻恩机生成合成数据，缓解类别不平衡，F1提升5-15%，召回提升10-25%，优于经典方法。
RLHF中人类信念的描述性和规范性理论
人类信念显著影响RLHF偏好，降低信念与智能体能力不匹配可提升策略性能。
订单流何时重要？加密货币期货中状态依赖的L2流动性状态转换
加密期货中，事前L2状态强预测事后流动性，订单流仅对ETH有稳健增益，提出状态优先设计原则。
QAgent：基于大语言模型的多智能体系统，用于自主OpenQASM编程
QAgent是首个自主多智能体框架，集成规划、合成与校准，提升OpenQASM代码准确率47%-70%，多核工作流超88%，抗硬件漂移保持保真度。
RaMark：生成表格数据的放射性水印技术
RaMark在表格数据中嵌入放射性水印，确保保留效用即保留水印，有效抵抗重训练攻击。
VerteNet——一种多上下文混合CNN Transformer，用于侧位脊柱DXA图像中精确的椎骨标志点定位
提出VerteNet混合模型，利用双分辨率注意力捕获局部与全局信息，实现高精度椎骨标志点定位，归一化均值误差4.92。
局部正则性下基于一阶增广拉格朗日方法的非凸复合函数约束
研究非凸复合约束的原始-对偶方法，通过截断对偶变量转化KKT条件，获得O(K^{-1/3})和O(K^{-1/2})收敛速率。
白色聚合与恢复：面向小样本3D点云语义分割
提出WARM模块，用白化和着色变换生成确定性原型，解决注意力分布差距，在S3DIS上达到最优。
AffordanceSAM：在功能可供性定位中再分割一切
提出AffordanceSAM，通过适应模块和三阶段训练扩展SAM到功能可供性定位，实现SOTA性能。
利用可解释Tsetlin机进行PDF恶意软件检测
提出可解释Tsetlin机框架，静态度量特征，准确率98.02%，兼具高效与可解释性。
面向安卓恶意软件检测的回归感知持续学习
针对持续学习中的安全回归问题，提出回归感知框架，将回归减半并保持检测性能。
M4V：面向高效文本到视频生成的多模态Mamba架构
M4V多模态Mamba框架，通过MM-DiM块降低45%算力，实现高效高质量文本生成视频。
基于监督式跨模态特征匹配的单帧点-像素配准
提出无检测器框架实现单帧LiDAR与图像直接点-像素匹配，利用可重复性评分抑制不可靠匹配，在多个基准上达SOTA。
HiPO：面向LLM自适应推理的分层偏好优化
HiPO将推理响应分为片段并加权优化，提升LLM数学推理性能和逻辑性。
RIS辅助下行夹捏天线系统：基于GNN的优化方法
提出RIS辅助多波导夹捏天线系统三阶段GNN优化，实时高效均衡速率与能效。
面向真实世界错位观测的鲁棒自监督跨模态超分辨率
RobSelf自监督模型联合优化翻译器和滤波器，实现错位对齐与高保真超分，速度提升15.3倍。
多智能体强化学习的异质信息瓶颈协调图
HIBCG基于信息瓶颈理论学习分组稀疏协调图，理论保证边存在与容量分配。
大语言模型在前端设计EDA中的应用：挑战与机遇
LLM赋能前端设计EDA，从局部辅助迈向自主执行，覆盖电路与测试生成，面临挑战但机遇广阔。
时间序列的终末维度缩减及其应用
本文推广终末嵌入至仿射线段，首获Fréchet距离下无维度依赖的时间序列聚类coreset，实验性能优于PCA。
算子学习与通用逼近的投影方法
利用Leray-Schauder映射和正交投影，提出算子学习通用逼近新定理，给出L^p空间条件。
Memory-SAM: 基于检索生成提示的无需人工提示舌体分割
Memory-SAM通过检索历史病例自动生成提示，引导SAM2实现高精度舌体分割，无需人工标注，mIoU达0.9863。
AV-Master：双路径综合感知提升音视频问答性能
AV-Master以动态聚焦与模态偏好策略，增强跨模态协作，在复杂音视频问答中表现优异。
谱去混杂梯度提升
提出梯度提升的谱去混杂框架，利用谱损失与早停协同减轻隐藏混杂，并扩展至非线性场景，实验验证有效且可扩展。
Transformer增强的演员-评论家强化学习实现序列感知服务功能链分割
提出Transformer-actor-critic框架，利用自注意力建模VNF依赖，高效实现序列感知SFC分割，提升接受率与资源利用率。
带有残差数据增强的熵约束机器学习用于化学动力学建模
提出熵约束机器学习框架，通过非负熵生成约束保障物理一致性，结合残差数据增强，高效高保真模拟化学反应动力学。
过渡匹配蒸馏用于快速视频生成
提出过渡匹配蒸馏框架，将视频扩散模型蒸馏为高效少步生成器，实现速度与质量的灵活平衡。
用简单向量表示解释人类选择概率
通过向量几何将人类隐藏与寻找任务中的选择行为分解为两种策略的线性组合，解释行为多样性。
LDPKiT：叠加远程查询以实现隐私保护蒸馏
LDPKiT框架通过叠加技术生成近似分布样本，在本地差分隐私下高效蒸馏，强噪声时效用提升显著，如SVHN上ε=1.25精度接近ε=2.0。
有向无环图上的深度高斯过程
提出DAG深度高斯过程，理论分析先验坍塌与信息保留，给出结构化变分近似，实验达最先进性能。
多指标自适应实验设计：固定预算下的验证方法
提出固定预算下双阶段自适应实验设计，SHRVar方法通过相对方差采样和消除策略，实现误差概率指数下降。
H3Former：基于超图的语义感知聚合与双曲层次对比损失框架用于细粒度视觉分类
提出H3Former，用超图聚合细粒度表示，双曲层次对比损失增强类间分离与类内一致性。
AutoGraphAD：使用变分图自编码器的无监督网络异常检测
提出无监督AutoGraphAD，基于异质变分图自编码器，免标注训练，性能媲美Anomal-E，速度提升一个数量级。
干预随机微分方程的可辨识性研究
首次证明从平稳分布恢复SDE参数的边界，给出线性干预数紧界及小噪声非线性上界，实验验证并应用于基因调控。
自我超越：外部特征引导对于加速扩散Transformer训练是否不可或缺？
提出自我超越方法，仅用内部特征监督加速DiT训练，性能超越外部引导的REPA。
基于图传播的可扩展变密度聚类
提出基于图传播的变密度聚类方法，利用密度感知邻域传播和随机投影，高效处理百万级数据。
解耦尤利西斯：通过按头分块实现内存高效的上下文并行
UPipe通过头级分块减少自注意力激活内存87.5%，训练速度不变，单节点支持5M tokens。
先聚类再嵌入：一种模块化的可视化方法
提出一种先聚类再嵌入的模块化方法，分别嵌入各簇并全局对齐，相比t-SNE/UMAP更透明且保持竞争力。
LUMOS：用于分割的潜在通用医学先验知识
LUMOS利用冻结通用视觉模型提取潜在先验，引导传统医学分割网络，无需领域微调即提升性能。
面向视频面部表情识别的缓存个性化测试时自适应方法
提出TTA-CaP，利用三个互补缓存和门控机制实现无梯度在线个性化，在视频FER中性能超越SOTA。
任意到完整：单阶段深度补全中的Depth Anything提示方法
Any2Full提出单阶段、域通用的深度补全方法，通过尺度感知提示编码器将稀疏输入转化为统一尺度提示，性能提升32.2%，速度提升1.4倍。
测量诱导纠缠的数据驱动可学习性转变
通过测量记录训练神经网络，发现测量诱导纠缠存在可学习性转变：阈值下多项式资源可学习，阈值上指数增长。
Machine Learning for Network Attacks Classification and Statistical Evaluation of Adversarial Learning Methodologies for Synthetic Data Generation
中文标题
利用生成式AI赋能911接警员培训，实战部署六大经验教训，为公共安全领域AI训练提供指导。
双层优化问题的信息论贝叶斯优化
提出信息论贝叶斯优化方法，同时衡量上下层最优解和值的信息增益，统一评估双层优化效益。
偏好条件多目标强化学习：分解式多样性驱动策略优化
提出D3PO框架，通过分解学习信号与多样性正则化，克服优势抵消和模式崩溃，获得更优Pareto前沿。
自改进神经引导剪枝：面向可扩展混合捆绑定价的图神经网络框架
提出GNN引导剪枝优化框架，通过自改进迭代，在100产品实例上利润提升13-21%，时间仅2%。
基于策略的自回归图像模型调优：结合实例级与分布级奖励
提出轻量RL框架，用GRPO优化自回归图像生成，引入分布级LOO-FID奖励提升多样性，结合实例级奖励与自适应熵正则化，数轮调优即显著改善质量与多样性。
RehearsalNeRF：解耦动态照明的内在神经场以实现场景编辑
提出利用稳定光照先验解耦动态光照与场景辐射，实现鲁棒的新视角合成与场景编辑。