It Takes a MAESTRO To Prune Bad Experts
保留什么，遗忘什么：LLM与Agent中内存紧缩的率失真视角
统一LLM/Agent内存压缩为率失真决策，提出七轴分类与跨层迁移，揭示重复压缩评估空白，给出原则与基准建议
DominoTree：面向推测解码的基于Domino的条件树结构草稿方法
提出DominoTree，无需训练，利用Domino条件校正评分，达到6.6倍加速和10.7 token平均接收长度，吞吐量全面优于现有方法。
强化多模态掩码扩散模型的生成顺序
通过GRPO训练控制模块优化生成顺序，文本-图像对齐提升4.08%，多模态理解提升4.85%。
ARGUS：加速、鲁棒、通用且无监督的细胞追踪解决方案
ARGUS框架无需训练与GPU，通过自适应检测、光流和轨迹重连实现快速高精度无监督细胞追踪（检测0.905-0.971，追踪0.897-0.964，3帧仅5-6秒）。
面向高效大语言模型服务：系统感知的KV缓存优化综述
从系统行为视角综述KV缓存优化，分为执行调度、放置迁移、表示保留三维度，为LLM服务提供基础。
SPL：用声明式确定-概率组合编排工作流程
SPL声明式语言统一确定性与概率计算，跨平台运行，实验验证正确率达82-93%。
从提示到契约：面向可审计企业LLM代理的束绳工程
束绳工程通过代码契约将LLM原型转化为可审计代理，保障安全与效用。
VEGAS：通过注视实现人类对齐的视频字幕评估
提出VEGAS指标，利用注视点采样注意力对齐字幕，无需训练，显著提升与人类关注点的一致性及下游检索性能。
中文标题：当思考带来困扰：视觉语言模型推理链中的认知信号
中文摘要：研究发现，思考模式下的视觉语言模型中，推理链的熵值比回答熵更能可靠预测不确定性，并在实际测试中将准确率从71%提升至93.8%。
WebSwarm：用于深度和广度网络搜索的递归多智能体编排
WebSwarm递归多智能体框架通过动态节点协作实现深度与广度联合搜索，性能优于基线。
面向开放词汇内窥镜组合式指代分割的属性检索
提出ReferEndoscopy基准和AR-ERIS框架，基于属性检索实现开放词汇内窥镜组合式指代分割，性能领先。
大语言模型作为数据标注者的有效性：AMALIA对权威道德基础的标注
AMALIA标注权威高一致但低效，依赖表面特征，不可独立使用。
胎儿-母体心电图至胎儿多普勒波形的跨模态生成框架
提出跨模态框架，从ECG合成多普勒波形，误差降低51%，揭示电-机械耦合，助力胎儿评估。
深度视觉模型中的纹理表征：CNN、视觉Transformer与人类感知的比较
ViTs比CNN更准确模拟人类纹理感知，ViTs间表征一致，且对不同复杂度纹理形成相似表征。
基于最大熵校准的保持工作负载的差分隐私合成数据用于因果推断
提出因果工作负载与最大熵校准，生成支持因果推断的差分隐私合成数据，无需额外隐私成本。
WCog-VLA: 用于端到端自动驾驶的双层级世界认知视觉-语言-动作模型
WCog-VLA通过双层级世界认知（语义推理与生成轨迹演化）实现主动自动驾驶，在NAVSIM上PDMS达92.9 SOTA。
随机顺序学习：一种利用噪声数据进行排名估计的方法
将含噪标签视为随机排序，提出随机顺序学习框架，通过双重损失函数学习嵌入空间，实现鲁棒排名估计。
你需要前沿模型作为引文验证器吗？——深度研究来源归属中LLM评估标准的基准测试
研究发现，较便宜的LLM评判者即可有效验证引文质量，无需最前沿模型，但需校准偏差。
经典与深度镜像对称评分：十三种方法的基准测试
基准测试13种镜像对称评分方法，发现经典HOG描述符性能接近深度特征，速度快300倍，深度特征优势有限。
基于基础模型的集体智能
异构多智能体框架中，模型多样性显著提升推理准确率与步骤质量，优于同质框架及单个模型。
模块化预训练实现访问控制
GRAM方法通过模块化预训练实现AI能力的访问控制，选择性禁用目标能力，抵抗微调恢复，成本远低于数据过滤。
社会科学中LLM的验证：认知威胁与新兴规范
LLM在社科测量中作用核心但验证实践不一致，需建立更稳健的规范。
交换人脸，保留特征：面向智能交通系统中行人隐私的双重目的流水线
提出五阶段流水线，用Roop人脸交换保护行人隐私并保留面部特征，平衡隐私与数据可用性。
带动量的标准SGD在重尾噪声下依然有效：无需梯度裁剪或归一化的收敛分析
首次证明带动量标准SGD在重尾噪声下无需梯度控制即可收敛，但速率劣于裁剪/归一化变体。
对比顺序学习：一种通用的序数回归框架
提出对比顺序学习框架ConOrd，融合对比与顺序学习，利用软权重建模序数关系，在年龄估计、质量评估等任务达最优。
Track2Map：机器人手术中具有运动感知姿态优化的在线可变形SLAM
提出在线联合优化相机轨迹与可变形场景的方法，无需先验轨迹，实现稳健SLAM重建，优于现有方法。
反射布朗运动平稳分布的深度学习方法
基于基本伴随关系，提出高效学习高维反射布朗运动平稳分布的深度方法，尾部概率预测近乎完美。
绿色软件的内存墙：备忘录设计模式的经验性能量评估
实证备忘录设计模式能耗，差分策略中等状态节能65.8%，但200MB时遭遇内存墙，GC抖动抵消算法优势。
fog：通过AI生成代码的函数组合表达运动与情感
框架fog通过函数组合表达运动与情感，识别准确率68%，助力用户快速迭代与操控。
通过U-Net与地理空间基础模型集成预测葡萄栽培潜力
集成U-Net与地理空间模型预测葡萄栽培潜力，在ImageCLEF子任务1中排名第二，精度68.32。
UniClawBench：面向真实世界任务的主动型智能体通用基准
首个能力驱动基准，基于五种能力设计400项双语真实任务，在Docker中实时评估并模拟用户反馈。
DeltaV：统一大多模态模型中的视觉状态更新思考
DeltaV通过增量视觉更新替代全图生成，减少55.6%冗余token，多模态推理提升3.3%，并超越开源模型。
机制理解大语言模型微调中记忆知识为何无法泛化
发现记忆-使用差距，自修补揭示知识回路错配，简单策略恢复58-75%泛化性能。
CausalDS：数据科学智能体因果推理基准测试
提出CausalDS基准，评估数据科学智能体在结构因果模型、观测数据与自然语言故事中的因果推理，涵盖Pearl三阶梯任务及工具使用与弃权。
CT-CLIP表示用于多模态肺癌生存预测
CT-CLIP特征提取在多模态肺癌生存预测中优于临床基线，有效区分高低风险患者。
认知结构化多模态智能体：理解、生成与编辑
提出认知结构化多模态智能体，外化视觉记忆实现长程对话高效检索，8B模型性能超32B，推理时间减半。
糖尿病视网膜病变病灶分割的多分辨率特征茎
高分辨率提升微小病灶检测但降低大病灶性能，提出输入级金字塔+UNet++的多分辨率特征茎解决该权衡。
DeepPySR——一种面向真实世界科学发现的符号回归框架，具有动态剪枝、帕累托选择与层次化组合特性
提出DeepPySR符号回归框架，通过动态剪枝、帕累托选择和层次组合，在体脂等数据集上超越PySR，生成可解释公式。
局部可采样图模型下的$\mathsf{AC}^0$学习
提出局部可采样图模型下$\mathsf{AC}^0$的拟多项式时间学习器，绕过多项式增长要求，应用于硬核和伊辛模型。
以患者为中心的对话式人工智能的复杂性
真实对话显示沟通风格改变分流结果，AI需适应多样性，否则会放大健康差距。
慢思考与主动感知的第一性原理理论
基于概率分布提升与投影，形式化推导慢思考模型的设计、训练与推理，提出主动提升理论。
AutoPersonas：一个多时间尺度的循环引擎，用于开放式角色演化
针对角色代理自锁问题，提出多时间尺度循环引擎，通过分离可控发散与证据吸收，降低行为重复并保持身份连续性。
理解模型大小插值中的层修补
系统研究零样本模型大小插值中的层修补，提出优化框架及贪心算法KLPatch。
基于多模态大语言模型策略视觉检查的开放式多智能体自动课程学习
VIP方法利用视频语言模型处理策略视频并推荐课程，在SMAC中比文本或标量分数方法更有效。
Whareformer：学习在长时自我中心视频中追踪物体位置
首个学习型OSNOM方案，利用可更新记忆和轨迹分配模块，小训练集在三个数据集上达到SOTA。
PIT-SUN：面向推荐系统回归的可部署经验边际变换与期望一致恢复框架
提出PIT-SUN框架，通过经验边际变换和乘性SUN恢复解决推荐系统回归的期望一致性问题，提升准确性与校准。
VocaDet：基于视觉标记化和向量数据库检索的样本驱动开放词汇目标检测与分割
VocaDet通过视觉标记化和向量数据库，无需重训练实现样本驱动的开放词汇检测与分割，支持可扩展识别。
超越轮椅和眼罩：使用INCLUDE-BENCH探究T2I模型中的残疾刻板印象
INCLUDE-BENCH基准揭示T2I模型残疾偏见：多数生成轮椅、多样性低，刻板描绘反映现实关联。
令牌流防火墙：面向持久性AI代理的语义运行时审计
TokenWall通过语义运行时审计拦截危险令牌流，将攻击成功率降至12.5%，同时保持97.4%良性通过率，延迟仅增0.69秒。