Security and Privacy in Agentic AI: Grand Challenges and Future Directions
大型语言模型（LLM）与生成式人工智能在网络安全与隐私中的应用：双用途风险、AI生成恶意软件、可解释性与防御策略综述
LLM在网络安全中呈现双用途风险，AI生成恶意软件从2%激增至50%，综述防御与可解释性策略。
几何自蒸馏用于推理泛化
GeoSD降低自蒸馏漂移，数学推理OOD准确率提升5.7-8.6%。
导航层次：脑图上的双曲学习用于疾病诊断
提出双曲脑图学习框架，建模ROI-社区-全脑层次，结合GaMamba捕获拓扑依赖，优于现有方法并识别生物标志物。
LEMUR 2：解锁神经网络多样性以推动人工智能
LEMUR 2 是包含14000+架构和75万条训练记录的大规模框架，支持多模态与部署，为数据驱动AI设计提供基础。
随机图信号的生成扩散模型
本文用U-GNN扩散模型统一处理条件图信号生成，在股票和资源分配中验证。
PRoVeFL：联邦学习中的隐私保护、鲁棒且可验证聚合
提出PRoVeFL框架，通过多密钥全同态加密实现隐私、拜占庭鲁棒与可验证聚合，支持多种鲁棒算法，性能提升高达100倍。
中文标题：在对话式图像编辑中使隐式保留意图显式化
中文摘要：提出OCCUR-Bench基准和ReSpec框架，显式化隐式保留意图，提升图像编辑恢复保真度和时间一致性。
规范引导提升LLM代码测试有效性
规范接地比测试数量更关键，显著提高代码正确率，降低误报率，效果跨模型一致。
面向无人航空机器人和双臂操作的视觉语言行动模型综述
综述VLA模型在双臂操作与无人机中的应用，指出协调策略可迁移，提出14个研究方向。
惊异收敛：进化式自监督图像聚类
提出惊异最大化进化自监督聚类框架，无须梯度目标，实现非参数聚类SOTA。
tsbootstrap: 时间序列的无分布不确定性量化与共形预测
通过块、残差等重采样与自适应共形校准，解决时间序列依赖性问题，内存高效且速度快。
超越攻击成功率：面向使用工具的AI智能体的行动分级严重程度量表
提出七级严重程度量表（L0-L6），依可逆性等评分，揭示二进制指标隐藏的危害，法官与神谕一致性高但存在盲点。
HPR-SAM：面向无提示SAM的医学图像分割的层次概率表示学习
提出层次概率表示框架，通过分布、多组件及局部可靠性表示及分层融合，实现无提示医学图像分割SOTA。
Reliable and Developer-Aligned Evaluation of Agents for Software Engineering
大型语言模型中谄媚行为的内部表征分离研究
将谄媚行为分解为事实与观点子类型，发现不同模型内部表征存在统一或分离差异，为研究复杂行为提供框架。
轻量级游戏智能体强在哪里的金标准研究
用固定规则专家评估，发现信任区域更新、课程对手等技巧提升轻量级智能体，编码器容量非瓶颈，方法可迁移。
EdgeCompress：面向EdgeAI的多维模型压缩与动态推理耦合方法
EdgeCompress通过动态裁剪、复合压缩与动态推理，降低ResNet-50计算量48.8%并提升精度0.8%，优于现有压缩框架。
使用语音活动相关预训练编码器的社交机器人话轮转换多模态语音活动投影
提出多模态语音活动投影框架，结合预训练编码器与低秩适应，提升社交机器人话轮转换预测性能。
SpiS-GAN: 基于螺旋调制与星形操作的笔迹合成
SpiS-GAN用星形螺旋块捕捉轨迹，螺旋判别器检测缺陷，边缘损失提升清晰度，显著超越SOTA并降低识别错误率。
论神经网络的显式超表达近似
引入中国剩余定理构造固定架构网络，实现显式参数-误差权衡，参数大小与误差呈对数关系。
基于3D感知大语言模型的自我视角人体运动预测
Ego3DLM利用3D场景感知与跨模态单次推理，统一预测姿态和动作语言，达到最优性能。
AnchorPrune：相关性锚定的上下文扩展用于视觉令牌剪枝
提出无训练框架，先构建相关性锚点再扩展上下文，避免冗余，高效压缩视觉令牌，保持97.6%性能。
最大化GRPO信号：针对困难推理问题的自适应迹前缀控制
AdaPrefix-GRPO动态调整前缀长度，保持成功率50%以最大化梯度，在同等算力下使困难问题准确率翻倍，迹长度减半。
面向模块化软体机器人自适应控制的持续学习框架
提出持续学习框架，使模块化软体机器人适应形态变化且不遗忘旧知识，分布式学习提升精度，实验验证有效性。
基于生成代理的最佳臂识别
提出PROBE算法，利用生成代理和OLS上界证书，在未知相关性下实现样本复杂度改进，随相关性增强节省样本。
FourierQK: 查询-键投影的频谱预处理提升Transformer注意力
频谱预处理Q/K投影大幅提升字符级注意力，四个学习频率对应多尺度，性能提升79%。
基于解析预测推断的高效贝叶斯深度集成方法
提出高效贝叶斯深度集成法，通过低维表示、闭式聚合与独立训练，实现可解释校准不确定性，性能优异且高效。
变分贝叶斯变量选择后恢复潜在结构：部分探索性因子分析中的拟合评估与因子数选择
提出后选择评估框架及尺度无关增益规则，有效恢复负载结构与确定因子数。
通过LLM提取的语义实体三元组图监测变革性技术融合
提出利用大语言模型从文本提取语义三元组构建图，通过图指标检测技术融合信号，在多数据集验证。
大语言模型的快速、慢速与工具增强思维：综述
基于认知心理学，提出LLM推理策略分类：快慢思考与内外知识边界，综述自适应推理方法及未来方向。
网络代理中不同人类交互行为的建模
建模人类干预模式后，网络代理预测干预准确率提升61-63%，实用性提升36.8%，实现更适应性协作。
面向蜂窝流量预测的多模态时空频率融合与峰值增强方法
提出MSPF-Net，融合外部新闻，通过时空频率编码与峰值增强，动态整合多模态信号，提升流量预测性能。
面向边缘系统的延迟约束DNN架构学习（使用零化批归一化）
提出面向延迟的神经网络方法，满足硬延迟约束且精度损失极小，硬件定制预测器一次性训练。
面向CLIP密集开放词汇预测的稀疏注意力机制
替换CLIP自注意力为α-entmax，稀疏化并隐式去噪，提升密集开放词汇预测性能。
A Multi-Analyst LLM Pipeline for Auditable Rule Discovery Across 68 Public Physiological Corpora
混合最小二乘/梯度下降方法用于MIONet
提出混合最小二乘/梯度下降法加速MIONet训练，通过交替优化分支网络参数并分解大矩阵。
AirPASS：基于夹捏天线系统的空中联邦学习
提出AirPASS框架联合优化设备选择、波束赋形和天线位置，优于传统MIMO，接近理想FedAvg。
从代理型到自生型网络管理：面向AI原生6G及未来网络的标准视角
自生型网络管理扩展代理AI能力，通过自我编程与演化，分阶段部署应对6G复杂运维挑战。
面向主体驱动的个性化文本到图像生成的阶段感知适应与分布校准
SPaRa-DCAL框架通过阶段感知低秩适应与分布校准候选选择，强调评估需兼顾身份、文本与多样性。
ASFR-Net：面向异构遥感影像变化检测的对抗对齐与空间-频率精化网络
提出ASFR-Net，通过对抗对齐与空频精化消除模态差异，构建新基准VisNIR-HCD，在异构遥感变化检测中达SOTA。
RIMRULE：通过MDL引导的规则学习改进工具使用语言代理
RIMRULE通过MDL引导自动学习规则，注入提示提升工具使用准确率，无需修改权重且规则可跨模型复用。
内在噪声巩固：道布屏障条件扩散将模拟器件噪声转化为持续学习资源
将模拟硬件噪声通过道布屏障条件转化为持续学习资源，实验显示噪声非单调提高记忆保留（倒U型），显著改善多任务保持。
GemNav：使用多模态大语言模型的离散令牌视觉机器人导航
GemNav冻结MLLM，仅微调语言塔以离散令牌预测航点，8.7小时训练零样本迁移至四环境，误差0.25-0.42米。
Simulstream：用于流式语音到文本翻译系统评估与演示的开源工具包
首个开源流式语音翻译评估演示框架，支持增量/重译、长语音、细粒度评估和交互界面。
思考精炼：一种用于嵌入模型推理的测试时推理方法
RT方法通过多次前向传播激活预训练推理能力，提升语义推理任务，通用任务性能不变。
插补与聚类相结合：利用潜在子群结构恢复缺失数据
提出CAGI框架，协同优化聚类与插补，利用动态聚类先验指导生成对抗网络，迭代细化子群结构，实现高保真缺失数据恢复。
ColorFM：基于流匹配的颜色迁移优化到学习框架
ColorFM框架通过流匹配连接优化与学习，实现精确、语义一致的颜色迁移，效果优于现有方法。
TACoS: 从涂鸦标注到精确分割的二维材料弱监督学习
提出TACoS框架，用<0.6%标注数据实现二维材料精确分割，性能达全监督96%以上。
体育活动赋能可扩展基础模型实现广谱健康预测
提出仅用步数数据的StepFM模型，高效隐私，在20多种健康预测任务中表现优异。