BitFair: 适用于超低功耗XR视觉的12nm位串行CNN加速器，具有可学习早期终止与自适应位排序
BitFair通过可学习早期终止和自适应位排序，在12nm工艺下实现亚毫秒延迟、高能效，准确率提升达9.2%。
在多障碍环境中学习安全投掷物体
提出势场状态表示，结合强化学习，使机器人能在杂乱环境中安全投掷物体，成功率高达90%。
量子多体系统时间演化预测中的可证明学习分离
通过设计哈密顿演化学习任务，证明量子学习高效而经典困难，实现严格学习分离。
提示教练：面向软件开发中提示工程学习的智能体导师的实证评估
智能体导师PC嵌入IDE，通过苏格拉底式指导帮助开发者提升提示工程技能，实验证明60分钟内显著进步。
ProxyPose：通过视频到视频翻译的六自由度姿态追踪
将6-DoF姿态追踪转为视频到视频翻译，仅需视频和单像素标记，利用扩散模型生成代理视频后经典求解，无需额外输入，处理困难材质与遮挡，达SOTA。
LLM引导的测量可信度校正用于可信工业过程推断
利用LLM从过程文档提取测量语义，构建独立参考修正冲突，平均MAE降低30.7%，实现轻量级预测前可信度校正。
评估投毒攻击对面向网联自动驾驶车辆的增强3D点云公共数据集的操作影响
投毒攻击能规避数据增强净化，传播至增强数据集并干扰分类器决策。
评估Dart AOT二进制神经网络反编译的微调与指标
微调未显著提升pass@k，强模型反退化；指标分歧，pass@k应为神经反编译首要指标。
从RGB生成到密集场读出：基于文本到图像模型的像素空间密集预测
提出ReChannel，去除目标解码器，以线性头直接映射token到像素块，在多项密集预测任务上达SOTA，速度提升2.48倍。
大型语言模型中推理与性能的关系——o3 (mini)思考更深入而非更久
o3-mini（m）推理链更短但准确度更高；推理链增长反降准确度，新模型计算效率更高。
UI2App：可执行网页应用生成中的视觉交互推断基准测试
UI2App首建从截图推断交互的基准，发现视觉重建与交互实现严重不匹配，跨页面状态等复杂交互仍是瓶颈。
超越被动反应：衡量LLM智能体的主动问题解决能力
提出PROBE基准评估LLM主动问题解决能力，最佳性能仅40%，揭示当前自主行动局限。
OrchardBench：基于物理的GPU并行苹果园仿真基准
OrchardBench是物理精确的GPU并行苹果园仿真，为农业机器人采摘提供基准，基线成功率约40%。
SSA-3DGS：面向3D高斯泼溅的屏幕空间伪影无监督去除方法
提出无监督框架SSA-3DGS，联合优化3D场景与2D覆盖层消除伪影，PSNR提升达9dB。
学习最小动作距离
提出仅需状态轨迹自监督学习最小动作距离(MAD)的表示方法，无需奖励或动作，高效准确且优于现有方法。
部分训练的三层神经网络的功能空间平均场理论
提出功能空间平均场理论，分析部分训练的三层网络无限宽极限，证明训练损失线性收敛，建立两个特征学习区域。
UBEP：为生产级超级节点重构专家并行通信库
UBEP重构MoE All-to-All通信，解决串行化、同步开销和负载不均三大瓶颈，延迟降52.4%，推理TPOT降11.1%。
GraspIT：弥合模拟与真实世界双向鸿沟的验证抓取SE(3)姿态生成数据集
GraspIT提供2.3M抓取候选（83%优质），经滑移测试验证，双向映射模拟与真实，含316k标注帧，开源。
一种评估自主AI自主模型发现的实验设计方法
提出实验设计框架，系统评估AI模型发现的变异性和关键因素，量化其成本与性能的权衡。
设计可维护的混合生成系统：一种受量子启发的自动音乐和声生成方法
提出量子启发混合生成系统，结合候选探索与规则优化，自动生成旋律和声，保持调性结构并允许多样实现，无需训练语料。
Lift3D-VLA：将VLA模型提升到具备3D几何与动力学感知的操作
提出Lift3D-VLA框架，融合显式3D点云推理与时空一致动作生成，在模拟和真实操作任务中成功率提升超10%。
无信任个性化去中心化学习
提出TPFed框架，利用区块链和局部敏感哈希实现无信任个性化去中心化学习，通过知识蒸馏协议保证安全与性能。
负责任个性化：人机交互中个性化的双刃剑
提出基于生命周期和情境的个性化HRI框架，系统分析伦理风险并提供设计建议。
利用代码智能体进行自动软件验证
代码智能体在验证框架下自动证明全部目标引理，实现全自动、全覆盖的软件验证，无需专家干预。
TMF-RSE: 三模态融合结合区域语义与证据不确定性用于肺部严重程度评分
提出TMF-RSE三模态融合框架，整合外观、结构、语义特征，利用证据回归实现肺部严重程度评分与不确定性估计，性能超越基线。
DIRA-SS：动态域增量正则化自适应——自监督
DIRA-SS利用少量无标签样本，通过旋转预测任务实现在线域自适应，性能接近监督方法。
WristMimic: 基于手腕引导的全身人形控制操作
WristMimic通过手腕引导分离身体与手指操作，无需手指姿态监督，实现高效物体操控。
二分类线性分类中良性过拟合的普遍性
系统研究线性最大间隔分类器的良性过拟合，发现噪声模型测试误差相变，放宽协变量假设，证明其更普遍。
标签层级转换：深入挖掘类别层级以增强深度分类器
提出标签层级转换（LHT）框架，利用转换网络和混淆损失挖掘层级相关性，提升深度分类器性能。
贫困映射的柏拉图式表征：统一的视觉-语言编码还是智能体引发的新颖性？
融合卫星图像与LLM文本，财富预测R²从0.63提升至0.77，部分支持柏拉图表征假说，智能体新颖性证据有限，发布6万簇多模态数据集。
使用北美行业分类系统（NAICS）对GitHub仓库进行行业分类
提出NAICS-GH数据集，含6,588个标注仓库，精度96.98%，RoBERTa-large F1达86.45%。
监督奖励推断
提出监督奖励推断（SRI）方法，理论上渐近最优，实验从次优演示中精确推断奖励，并泛化至动作与目标预测。
Base Models Know How to Reason, Thinking Models Learn When
MAME：基于人类感知反馈的多维自适应等感探索
MAME框架直接探索人类等感空间，发现低层CNN特征等感图像辨别力更低，凸显早期视觉计算重要性。
不连续门控下选择性状态空间模型的正则性与稳定性
利用控制理论的正则性与稳定性分析，提出可微训练正则化器，将LMI违规降低92%，MSE仅增0.018%。
时间变分隐式神经表示
提出时间变分隐式神经表示框架，融合隐式神经表示与潜变量模型，单次前向传播实现精准插补预测，低数据场景表现优异。
从像素到肖像：说话头部生成技术与应用综述
综述说话头部生成四大技术，剖析评估差距与趋势，聚焦身份保持、唇同步等核心挑战。
基于测地线点云补丁的对比学习用于三维几何局部对称检测
利用对比学习与测地线补丁，无标注检测三维几何多实例局部对称
视觉扩散模型中的复制现象：综述与展望
首篇全面综述视觉扩散模型复制现象，系统分类揭示、理解与缓解，并探讨现实影响及未来方向。
RS-Agent：通过智能体自动化遥感任务
提出RS-Agent智能体，通过任务规划与工具编排自动化遥感任务，性能超95%准确率。
调谐反向蒸馏：利用跨模态调谐器增强多模态工业异常检测
提出TRD多分支方法及交叉模态调谐器，实现多模态工业异常检测与定位SOTA性能。
变分学习下的解耦表示
DisCoVR变分框架通过对抗项和结构化先验，解决解耦表示三大局限，实现更强解耦。
面向预测性决策的自适应数字孪生：状态转移动态的在线贝叶斯学习
通过在线贝叶斯学习动态更新状态转移模型，提出自适应数字孪生，提升个性化、鲁棒性与成本效益。
自适应邻近学习与辅助正则化实现鲁棒不平衡与高效采样的连续条件GAN
提出CcGAN-AVAR，通过自适应邻域和辅助正则化，在非均匀标签密度下实现高质量生成和高效采样，推理速度比CCDM快300-2000倍。
经验计算：提示式与编程式
大语言模型通过提示而非编程解决问题，计算时间与复杂度无关，需建立经验计算新范式。
面向AI标准化：多级自主移动中的人-AI三元协作框架
提出三元人-AI协作框架（顾问、副驾驶、守护者），动态适应需求，推动多级自主移动标准化。
NumGrad-Pull: 数值梯度引导的三平面表示用于点云表面重建
提出NumGrad-Pull方法，以三平面表示加速学习，用数值梯度替代解析梯度，结合渐进扩展与采样策略，提升点云表面重建精度与细节。
助人反致他人失权
善意AI助手优化单一用户可能无意削弱旁观者能动性，导致失权现象。
自路由：从隐藏状态实现无参数专家路由
Self-Routing直接利用隐藏状态子空间作为专家logits，无需路由器参数，性能持平且专家利用率更平衡。
FedDAF：基于模型函数距离的联邦域适应
FedDAF通过计算模型函数距离聚合源与目标模型，解决域适应中域偏移与数据稀缺问题。