揭示公众舆论：基于LSTM与传统模型的情感分析研究
LSTM在Twitter情感分析中达90.98%训练准确率、80%测试准确率、0.92 ROC-AUC，优于传统模型。
LightCrafter: 基于PBR条件的视频扩散细化实现可控且一致的重照明
提出LightCrafter，将视频重照明转化为PBR代理视频的扩散翻译，实现更精细的光照控制与时间一致性，超越现有方法。
基于记忆回溯与拓扑归因的时间图网络可解释性研究
提出记忆回溯与拓扑归因解释TGN，应用LRP并优化识别重要事件，在九个数据集上优于基线。
SAGA：自回归视频生成的稳定加速引导
SAGA无需训练，通过加速度域光谱引导和噪声初始化，提升自回归视频生成时序质量。
DeepSearch-World：可验证环境中深度搜索智能体的自蒸馏
提出自蒸馏框架DeepSearch-Evolve，基于可验证环境DeepSearch-World，无需教师模型即可实现长程web智能体自我进化，性能领先。
How Do I Know What to Say Next? Barenholtz's Autogenerative Theory as an Enrichment of Harrisean Integrationism
ReCoLoRA：频谱感知递归巩固用于持续大语言模型微调
ReCoLoRA通过重新分解当前权重实现持续微调，在连续GLUE任务上平均得分优于LoRA等基线。
Omni-Sleep: A Sleep Foundation Model via Hierarchical Contrastive Learning of CNS--ANS Dynamic
块稀疏注意力的不确定性门控选择
提出信息价值路由器，对截断不确定的查询加倍保留块，召回率提升至0.75，接近全注意力且速度快。
Jet-Long: 基于动态双焦RoPE的高效长上下文扩展
Jet-Long提出无需调优的动态双焦RoPE，长短上下文兼顾，在RULER等任务上显著提升准确率并降低困惑度。
SHIFT：不完整异质性基因组数据的生存预测
SHIFT直接从不完整基因输入预测生存，无需测试时插补，在多中心验证中表现优异。
基于MetaNCA的架构泛化
MetaNCA通过局部交互自组织网络权重，无需反向传播即可生成新架构权重并泛化至未见架构。
中文标题
长尾CXR分类中，罕见亚组漏诊与阈值相关，联合加权与阈值选择可降低漏诊，但残留仍高。
从执行到教育：一种基于布鲁姆分类法的LLM教育控制度量框架
提出布鲁姆对齐框架度量LLM教育控制，发现模型能提升但难降低认知需求，执行强不等同教育控制。
端到端自动驾驶中的后训练技术
后训练弥补开环模仿不足，按监督形式分四类，提升自动驾驶安全与可靠性。
COALA：基于对比正则化和偏置得分估计的鲁棒上下文感知语音增强语言模型（用于ASR）
COALA框架通过映射语音表示量化匹配，解决多目标训练崩溃，提升ASR上下文偏置性能。
强化学习智能体中障碍样表型的跨诊断空间
通过调控认知评价信号，在RL智能体中诱导七种精神障碍，呈剂量效应，自组织为二维情感空间，揭示共病机制。
UAV-OVVIS：无人机也需要开放词汇视频实例分割
提出无人机开放词汇视频实例分割任务及无需训练的AeroTrack框架，在9类8279轨迹基准上显著优于现有方法。
低延迟系统中的工具制作与自进化LLM智能体
将重复步骤预编译为版本化工具，降低延迟42%、错误率53%，实现自进化以提升工业LLM系统可靠性与效率。
ProsMAE：用于ISUP等级分类的多源MAE预训练
本文提出多源MAE预训练框架，利用多个病理数据集增强编码器泛化，在ISUP等级分类中优于普通MAE。
选择性左移：将测试时计算和基于难度的策展转化为低资源代码生成的训练数据
提出三阶段流水线，离线合成验证数据并融合SFT与RLVR，在低资源语言上性能显著提升，成本降低三分之二。
任意权重两层神经网络的鲁棒性定律
证明了两层神经网络任意权重下鲁棒性定律：拟合n个带噪标签时Lipschitz常数至少为sqrt(n/m)量级，对ReLU等分段线性激活成立。
基于幂变换和保持符号的分数聚合与自适应特征保留的大语言模型结构化剪枝
通过幂变换、符号保留聚合和异常值去除，解决结构化剪枝中的分布与符号问题，保持精度并实现加速。
基于专家混合的量子启发策略进行图像分类
提出混合经典-量子框架，多专家联合量子特征提取，分类错误率降低约一半。
GRE-Diff：用于结构化布局扩散的高斯房间嵌入
基于高斯房间嵌入的扩散框架，自动化生成可编辑公寓平面图，实现AI与人工协作。
PLURAL：一个面向价值观对齐的全球数据集
PLURAL基于全球调查构建价值观偏好数据集，训练后可减少27.7%误差，提升文化代表性。
LDFE：用于双流CNN的RGB-IR目标检测的拉普拉斯解耦特征增强模块
LDFE模块用拉普拉斯解耦、全局/局部增强融合RGB-IR特征，在6个数据集上mAP提升2.0%-6.2%。
增强视角专家混合模型用于多查询车辆再识别及大规模基准
提出EV-MoE模型，增强各视角特征并动态融合，辅以多视角对齐损失，构建大规模基准LCRI-1K。
编码器选择的重要性：一项表格-图像研究
本研究首次评估先进表格模型作为多模态编码器，解决了上下文学习模型的嵌入问题，强调编码器选择的重要性。
可扩展且可信的地球观测基础模型
地球观测基础模型需领域自适应，评估应关注模态感知迁移与物理合理性，而非仅基准精度。
LLM的逻辑可信吗？基于图的框架量化不确定性、一致性与鲁棒性
提出GRAPHEVAL框架和GRCS指标，量化LLM推理一致性并与忠实性负相关，GSC解码提升忠实性并暴露自一致性缺陷。
中文标题：大语言模型预测器知道却不言说：通过探查内部表征实现校准与忠实性
摘要：探针可从模型内部表征中更好校准预测、检测不忠实推理，且推理前答案已固定，可节省30-47%生成成本。
VSRo-200：一个用于研究监督和多模态鲁棒性的罗马尼亚语视觉语音识别数据集
首个罗马尼亚语视觉语音识别数据集VSRo-200，200小时播客视频，研究监督质量、域迁移与多模态鲁棒性。
通过时间比率理解与缓解视频-动作泛化差距
提出时间比率指标衡量动作模型对未来依赖，并据此动态增强视频条件信号以缓解泛化差距。
全息神经概率上下文无关文法用于无监督句法分析
提出Hol-PCFG，用全息嵌入代数建模规则概率，参数减少99.94%，六种语言达SOTA，可直接解析日语字符。
深度强化学习评估与设计范式的原则性分析
本文分析深度强化学习评估与设计范式，揭示性能排名与数据规模的非单调关系，并指出范式导致错误结论。
组合优化视角下的可信机器学习：综述与研究展望
组合优化为可信ML提供全局保证和形式证书，在可解释性、鲁棒性、公平性等方面优于启发式方法，可扩展性仍是挑战。
解锁哈密顿视频动力学模型的时间泛化
针对哈密顿生成网络在非保守环境中的时间泛化失效，修复两种失败机制，实现超训练分布的时间分辨率稳定预测。
MASTE：面向零样本方面情感三元组提取的多智能体流水线
提出多智能体流水线MASTE，分解ASTE为四阶段，零样本无训练，大幅超越基线，逼近全监督方法。
COBART: 受控、优化、双向自回归Transformer用于广告标题生成
提出前缀控制标记与BART微调方法，可调控标题长度，点击率与Rouge-L分别提升5.82%和25.82%。
EVIS：一种基于物理的NVIDIA Isaac Sim事件相机插件
EVIS插件在Isaac Sim中生成高帧率全标注事件流，支持实时插值与噪声模拟。
基于细粒度语义指导的统一人脸攻击检测
通过为MS-UFAD数据集添加细粒度伪造文本描述，提出DAF-Net网络，利用双对齐机制提取泛化语义表征，显著提升检测性能。
基于图正则化的脑电情绪识别深度学习框架及心理学标签结构
利用情绪拓扑图正则化，提升脑电情绪识别准确率达5.42%，减少不合理误分类39%。
小数据约束下的物理信息机器学习：来自磨料水射流铣削的经验教训
小数据下，物理信息机器学习中数据管理、评估设计和物理融合方式至关重要，高斯过程优于树模型。
利用卫星衍生的预测因子预测葡萄牙沿海的拟菱形藻有害藻华
基于卫星数据与集成树模型预测葡萄牙沿海拟菱形藻有害藻华，准确率达0.77。
计算机视觉中的连续测试时适应：方法、基准与未来方向
综述连续测试时适应问题，分类优化、参数高效与架构方法，讨论基准与未来方向。
XALPHA：记忆驱动的AI量化研究员，实现从假设到代码的Alpha发现
XAlpha以多源记忆系统驱动假设到代码闭环验证，在CSI300上取得更优Alpha发现性能。
多器官图像联邦学习基准评估
提出MobenFL基准，集成20种FL算法和22个多器官数据集，从性能、效率、隐私等多维度评估，助力临床应用。
path_boost: 一个基于路径梯度提升的可解释图级预测Python包
基于路径梯度提升，自动发现预测性子图路径，生成可解释加性模型，支持回归与分类。
基于注意力的白质高信号分割及血管性与脱髓鞘病变区分
结合注意力分割与特征分类，可有效区分血管性和脱髓鞘白质病变，在多个数据集上展现潜力。