使用可靠性加权磁拉普拉斯（rwMagLap）恢复无节律垂体激素基因的候选昼夜节律调控因子
rwMagLap通过相位感知与可靠性加权，从无节律垂体基因中恢复昼夜节律调控候选，富集比7.95倍。
中文标题：当蒸馏破坏运动控制：恢复快速视频生成器的生成轨迹
中文摘要：提出MotionEcho框架，通过自适应教师指导修复蒸馏模型的运动控制，提升保真度与视觉质量，保持生成效率。
VOTE：基于轨迹集成投票的视觉-语言-动作优化
提出VOTE框架，通过减少动作token和投票集成策略，实现高效推理与高性能，边缘平台推理达46Hz，成功率优于SOTA。
基于LLM生成启发式的后继生成器规划
利用LLM从问题定义自动生成启发式函数，集成至贪婪最佳优先搜索，在多种规划基准上取得领先性能，并解决复杂数值约束问题。
ECGLight：面向纸质心电图数字化和心肌梗死筛查的轻量计算框架
轻量端到端框架，手机拍照纸质心电图即可数字化并筛查心梗，CPU上30秒内完成，准确率达95.5%。
AGAPI-Agents：基于AtomGPT.org的开放智能体AI平台，加速材料设计
提出AGAPI开放平台，集成多种工具，验证工具增强的AI在材料设计中不可或缺，精度显著提升。
走向线性化的关键：分析驱动的Transformer线性化
分析驱动线性化，证明softmax依赖正交投影，引入结构干预减少误差，在32B参数模型上匹配长上下文检索性能。
HunyuanVideo-HOMA：多模态驱动人体动画中的通用人-物交互
提出弱条件多模态框架HunyuanVideo-HOMA，通过稀疏运动引导和适配器，实现通用人-物交互视频生成，自然性与泛化性达SOTA。
LLM伦理立场的框架不稳定性：道德困境中的否定敏感性审计
发现LLM在道德困境中易因肯定/否定表述翻转立场，小模型翻转达76%，商业模型也不稳定，提议用否定敏感性指数衡量。
中性基底：持续性解释分歧下共享记录的设计约束
定义中性基底，约束基础层仅含固定引用与归因，因果规范作为归因断言，确保中立性。
Trexplorer Super：CT体积中管状物体的拓扑正确中心线树跟踪
改进模型Trexplorer Super在管状物体中心线跟踪中优于现有方法，解决重复分支和提前终止，新数据集验证效果。
基于视觉物体属性的常识推理研究
提出OPTICS评估框架，12个VLM零样本推理远低于人类（计数<40%，比较70%），在照片、反事实、物理功能、高计数上表现差。
不精确概率下的信息价值：信度集上的决策规则特定值与固定测度包络
提出不精确概率下信息价值的两种公式，分析完全、部分和样本信息期望值的性质与计算方法。
面向离体脑片记录的细胞类型分类的伪标记工作流
提出无监督伪标记工作流，将人脑片MEA记录尖峰分为锥体细胞和中间神经元，降维聚类评估，严格筛选提高分离度。
中文标题：AI聊天机器人自杀风险检测与响应：开源VERA-MH安全评估的人类验证研究
中文摘要：研究验证了VERA-MH基准评估AI聊天机器人自杀风险检测的可靠性，其评分与临床专家高度一致，支持其作为自动化安全工具。
PeTeR：概率电路的训练后鲁棒化
提出无数据后训练框架PeTeR，鲁棒化预训练概率电路，无需重训，有效应对分布偏移。
先解释再回答：组合视觉推理综述
综述组合视觉推理，梳理五阶段范式演变、60+基准及核心挑战（幻觉、推理偏见），展望世界模型与协作推理。
ECHO：以自我为中心的人-物体交互建模
ECHO是首个仅从头腕追踪恢复人-物交互的统一框架，三变量扩散过程实现灵活输入与长序列一致性生成，性能最佳。
数据如何塑造RoPE频率使用：从位置尺度匹配到长度泛化
数据决定RoPE频率选择以匹配相对距离结构，尺度匹配解释长度泛化成功条件。
自适应差分隐私联邦学习框架
提出自适应差分隐私联邦学习，通过局部降维、自适应裁剪和鲁棒聚合，缓解噪声放大，提升收敛与分类性能。
指导破坏拟合算子：面向无分类器指导的终端拟合修复
提出零额外NFE修复：用r^(1+w)-r替代w(r-1)，消除CFG强指导下的发散与过饱和，稳定采样。
SOMtime：当世界不公——自组织映射违背公平性
SOMtime发现无监督嵌入会重现隐藏的敏感属性（如年龄、收入），聚类有偏差，证明“不知情即公平”在表示层面失败。
前瞻思考：多模态大语言模型与世界模型中的预见智能
新数据集FSU-QA评估和提升模型预见未来事件能力，微调后性能显著超越更大模型。
静默神经元理论与深度强化学习在自适应视频流中的可塑性保持
提出静默神经元理论和ReSiN方法，解决神经网络可塑性损失，在自适应视频流中码率提升168%、QoE提升108%。
通过条件归一化流潜在空间中的归纳偏置进行时间序列异常检测
将异常迁移至潜在空间，引入归纳偏置，异常检测转化为统计合规性测试，效果好。
T2T-VICL：通过隐式文本驱动视觉语言模型的跨任务视觉上下文学习
提出T2T-VICL框架，利用隐式文本驱动实现跨任务视觉上下文学习，提升任务对齐与图像保真度。
EMO-R3：面向多模态大语言模型情感推理的反思性强化学习
提出EMO-R3框架，通过结构化情感推理与反思奖励，显著提升多模态大模型情感智能与可解释性。
流形上加权测度的热核熵剖面与几何有效样本量
提出热核熵剖面与几何有效样本量，揭示加权测度在流形上的多尺度非均匀性及重复粒子结构。
基于横截面DNA甲基化数据的人类衰老轨迹推断
提出VAE+RUOT两阶段框架，从横截面数据推断衰老轨迹，揭示晚年表观遗传漂移激增。
校准族过拟合：可信破坏监控器为何不能跨谱系迁移
跨族监控器因破坏评分方向不同导致检测失效，同族捕获41%攻击，异族仅19%，需报告迁移矩阵。
VFM-Loc：通过对齐判别性视觉层次实现无需训练的跨视角地理定位
VFM-Loc无需训练，对齐视觉基础模型判别性层次，跨视角定位性能超越监督方法20%以上。
度量人工智能的元认知能力
主张采用meta-d'框架评估AI元认知敏感性，并用信号检测理论测量其基于不确定性的决策调节能力。
面向协同碰撞预测的时空语义V2X框架
提出语义V2X框架，利用V-JEPA生成时空语义嵌入，传输至车辆预测碰撞，通信量降四个数量级，F1提升10%。
MMEarth-Bench：通过多模态测试时训练实现全球模型适应
提出MMEarth-Bench多模态环境任务基准，发现模型地理泛化差，通过测试时多模态重构训练提升性能。
POPS：通过提示优化参数震荡恢复多模态大模型中未学习知识
提出POPS对抗策略，通过提示优化参数震荡，近乎完全恢复多模态大模型已遗忘的隐私信息，暴露现有遗忘机制脆弱性。
M$^3$：重塑离散化物理模拟的训练度量
提出M³框架，通过多尺度空间划分平衡训练数据，显著提升连续域预测精度，误差降低最高4.7倍，实现数据高效建模。
Terminus-4B：一个更小的模型能否在智能体执行任务中替代前沿大语言模型？
Terminus-4B通过微调与强化学习，在智能体终端执行任务中性能媲美前沿模型，减少主智能体30%的token消耗。
ORAN-DEFEND：开放RAN中后门深度强化学习xApps的子空间检测与消毒
通过子空间投影净化后门DRL xApp，触发能量正交时防御成功，可100%恢复回报，但线性投影存在固有局限。
参与式溯源：AI中介公众咨询的代表性审计
提出参与式溯源框架审计AI摘要代表性，发现加拿大官方摘要覆盖低、异议者被排除，并附开源工具。
When Summaries Distort Decisions: Information Fidelity in LLM-Compressed Financial Analysis
一般空间及扩散几何中的快速行列式采样
提出在黎曼流形和加权网络上，行列式采样速率匹配欧几里得空间，达(sample size)^{-1/2-1/(2d_int)}。
基于密集轨迹生成的几何感知单图像4D合成
MoGe4D利用密集4D点轨迹扩散，从单图合成几何感知的动态4D场景，实现时空一致和新视角渲染。
更快速、更简单的$k$-中位数和$k$-均值贪心算法
本文简化了递归贪心算法，实现更快的$k$-中位数和$k$-均值聚类，在图或欧氏空间中达到或超越最新水平。
对比CFG：通过对比正反概念引导扩散采样
提出对比CFG，通过对比损失引导扩散采样，有效注入或移除概念并保持样本质量。
HART：通过闭环框架的高分辨率无标注推理技术
HART提出闭环框架，无需外部标注即可聚焦高分辨率关键区域，优化推理性能，显著超越强基线。
HiFuzz：面向语义感知和自适应CPU模糊测试的层次强化学习
HiFuzz用层次强化学习与语义感知编码器提升CPU模糊测试覆盖率和缺陷检测，显著优于现有方案。
Pelican-VLA 0.5：行动前关注有益于泛化
Pelican-VLA 0.5通过可学习推理槽实现注意力级泛化，无需标注或微调即可聚焦指令相关物体。
混凝土低对比度XCT图像分割：一种无监督方法
针对混凝土XCT低对比度问题，提出无监督自标注法，结合超像素与CNN，优于灰度阈值，提升骨料-砂浆区分度。
如果呢？基于世界模型的情境推理模拟仿真
提出WanderDream数据集，实现无需主动探索的心智模拟，验证世界模型在情境推理中的有效性。
使用生成对抗网络和图像表示创建配电网布局
提出数据驱动的GAN框架生成配电网布局，可结合地理信息，但缺乏电气约束，需未来扩展。