第一人称视频语言模型能否同时捕捉到手部和物体中心的线索？
提出手-物体掩码训练与动态感知解码器，结合分离线索评估方法，提升模型对手部和物体线索的独立推理能力，增强交互理解鲁棒性。
针对聚类数据的结构学习
提出可微分图耦合机制，在聚类数据中联合估计全局与局部结构，保证无环性且渐近一致，实验发现新依赖。
面向主观监督的集成多样性优化
EDO通过可微优化集成结构与多样性正则化，在主观文本分类中显著改善校准，降低交叉熵40-78%及Brier分数。
RhyMix：一种轻量级自适应多节奏网络用于长期时间序列预测
RhyMix轻量自适应网络，双路径+门控，10/12数据集最优，40K参数，延迟<5ms。
结构化稀疏自编码器跨模态学习一致概念
提出结构化稀疏自编码器，通过组间排他性与组内稀疏正则化，提升跨模态概念一致性，语义对齐提升6.06%，表示效率提升60.81。
不同教师，不同能力：面向结构化文本增强的Sub-1B设备端蒸馏
蒸馏8B推理模型至0.6B学生，速度提升49倍，恢复58%质量差距；不同教师传递不同能力，需字段级路由。
Switch-Reasoner：通过强化学习在多任务混合中学习何时思考
Switch-Reasoner基于GRPO自适应选择推理模式，平衡思考与直接回答，减少冗余推理并保持性能。
一种可解释的k-means++的Good-Turing重启准则
提出GTRC准则，基于概率停止重启，自适应数据难度，性能与固定次数相当。
CASL-VAE：从非配对数据学习结构化潜变量以实现半监督聚类和配对样本生成
CASL-VAE从非配对数据学习结构化潜变量，分解变异为共同与显著因子，实现半监督聚类和配对样本生成。
变换能否揭示真相？面向通用AI生成图像检测的生成式残差学习
提出GenRes和GenRes++框架，通过生成残差学习和注意力机制，提升AI生成图像检测的通用性和性能。
通过模型合并提升对话式信息检索中的即席搜索效果
本文提出模型合并策略，无需额外训练即可提升对话检索器的即席搜索能力，零样本下NDCG@3提升15%。
基于分类器链的病理检验推荐
基于分类器链的病理检验推荐系统准确率达98.83%，SHAP解释符合医学知识，可辅助诊断。
通过几何感知预训练增强上下文全景生成
Canvas360提出几何感知预训练两阶段框架，用1M高质量数据集和并行深度生成技术，提升全景生成 fidelity 与一致性。
WaspMOT：赤眼蜂长期多目标追踪基准
WaspMOT是赤眼蜂长期多目标跟踪新基准，10个长序列评估显示现有方法轨迹碎片化严重，简单拼接可提升性能。
LongE2V：基于视频扩散模型的长时域事件相机视频重建、预测与帧插值
利用视频扩散先验实现事件视频重建、预测与帧插值，通过自回归展开和自适应切换克服长时漂移，性能最优。
利用机器学习预测男性生育能力：基于VISEM数据集的精液参数分析
基于VISEM数据集，用机器学习分类精液参数预测男性生育力，最佳模型准确率达94.2%，可辅助临床决策。
Write-Protected Discrete Bottlenecks for Language-Grounded World Models: A Structural Limitation and Sufficient Fix
人格要素：激活引导对短答案生成与评分的影响
激活引导降低短答案质量，加剧评分偏见，开放式任务和混合专家模型更敏感。
ArtMine：发现并形式化艺术创作过程
ArtMine从异构历史证据中推理艺术创作步骤，生成优化结构图，实现可解释的艺术过程建模。
基于自适应特征与图神经网络的科学文献语义表示学习
提出自适应特征与图神经网络方法，通过全局局部特征和互信息比较提升无监督文献语义表示及分类效果。
Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents
OPSD-V：用于训练后少步自回归视频生成器的在线策略自蒸馏
提出在线自蒸馏范式，通过真实长视频监督，减少少步自回归视频生成的长期退化，提升视觉质量和运动动态。
基于几何与梯度的全景户外重建分区方法
提出PanoLOG框架，采用几何与梯度分区策略实现大规模全景3DGS重建，达到SOTA质量并支持块并行训练。
车联网中基于强化学习与人类反馈的自适应异常检测
提出强化学习与人工回训结合的在线异常检测框架，在车联网测试中F1达0.69，更新后恢复至0.65，避免灾难性遗忘。
OpenCoF：通过视频生成学习推理
OpenCoF提出视频生成推理框架，利用时序监督和推理令牌，显著提升视频推理能力。
ParamMute：抑制知识关键型前馈网络以实现忠实检索增强生成
通过抑制不忠实的FFN激活，增强RAG对检索知识的依赖，显著提升生成忠实性。
AutoAnchor：基于交叉注意力流形替换的稳定扩散遗忘
AutoAnchor用交叉注意力自动合成流形邻近锚点，实现稳定无偏的扩散模型遗忘，显著提升概念移除与效用。
对决Q学习的谱分析
本文通过谱分析揭示对决Q学习中价值与优势更新的不同增益机制，并建立未正则化情况的收敛保证。
少即是多：在不影响性能的情况下减少标记数量
Thunder-Tok分词器通过修剪无效词汇，在保持性能的同时减少token数量，英韩生育率分别降低约25%和9%。
基于Shapley值的LLM摘要中文档公平估值
提出Cluster Shapley近似，分组计算Shapley值，实现LLM摘要中文档公平估值，提升效率与精度。
HumanForge：面向人类的深度伪造视频基准与多智能体伪造推理依据
提出HumanForge深度伪造视频基准，多Agent生成18K视频段，揭示零样本泛化与细粒度推理挑战。
IMProofBench：科研级数学证明生成AI基准测试
IMProofBench包含77个专家评审的科研级问题，模拟真实研究环境评估AI数学证明能力。
SAM-MT：实时交互式多目标视频分割
基于SAM2解耦目标数量与延迟，实现实时多目标视频分割，保持性能。
认证干预保真度：机制可解释性中因果主张的随时有效、自适应评估
CIF为机制可解释性提供随时有效的置信序列，自适应评估保真度，降低认证成本10-30倍。
LTM：面向野火易发地形的大规模地形模型
利用旧DEM作为先验的物理对齐多模态框架，实现高效高精度地形重建，提升野火应急响应能力。
Eigenvalue Calibration for Semantic Embeddings of Large Language Models
DR-Arena：深度研究智能体的自动化评估框架
DR-Arena利用动态信息树和自适应进化循环评估智能体深度推理与广度覆盖，与人类偏好高度一致。
大步长梯度下降在平坦最小值流形附近的动力学
本文推广大步长梯度下降理论至向量输出和平坦最小值流形，并应用于深度矩阵分解，得到新结构结果。
重新思考以大型语言模型作为评判者：通过语义容量不对称性，利用小型语言模型的表示作为评判者
提出表示即评判者范式，利用小模型内部表示高效评估，性能逼近大模型，更可靠可解释。
检索增强推理中基于过程奖励的截断步骤级采样
提出SLATE方法，通过截断步骤级采样和稠密过程奖励，解决信用分配问题，在7B和3B模型上分别提升7.0%和30.7%。
超越反向传播：蒙特卡洛方法可训练深度神经网络
蒙特卡洛随机突变法实现无梯度训练深度网络，无需正则化技巧，适用离散权重等多场景。
姿态到生物力学：连接3D人体姿态估计与生物力学属性预测
提出轻量插件BioModule，无需修改上游模型，从标准3D骨骼预测生物力学属性，实现可解释运动分析。
频域多模态交通建模
提出频域多模态建模FreMo，通过频谱过滤与频率引导协同集成，实现自适应跨模态融合，预测性能领先。
MatBind：用于多模态材料表征的共享嵌入空间
提出MatBind对比学习框架，将晶体结构等四种材料模态对齐至统一嵌入空间，实现零样本跨模态检索。
中文标题：基于偏依赖的可解释约束引导神经网络训练
中文摘要：提出基于偏依赖的可解释约束引导训练，使模型响应符合领域知识，提升性能与数据效率，且解释一致。
用于语言模型推理的同伴预测自训练
PST框架通过多模型协作和PMI加权实现无监督自我改进，提升数学推理准确率2.2-4.3%，缩小生成-验证差距26-40%。
代理推断：从语义嵌入到有效社会测量
NLP用嵌入度量社会概念存在效度问题，本文提出构造效度协议与反事实中和法以提升测量科学性。
Wat3R：无需标注的水下三维几何学习
提出Wat3R框架，无需水下标注，利用未标注视频和跨视图损失，实现水下3D几何估计，性能最优。
UtterTune: 基于LoRA的多语言TTS目标语言发音编辑与控制
UtterTune利用LoRA实现多语言TTS中目标语言音素级发音与重音控制，保持其他语言性能及自然度。
基于碰撞时间的动态障碍物规避：利用预训练视觉模型实现非结构化环境下的机器人避障
无需训练，利用预训练模型计算碰撞时间，数据高效地实现真实场景动态避障，精准检测危险并生成正确方向。