以人为本的反思架构用于人机协作决策
提出HCRA架构，将决策任务建模为随机博弈，集成人类校准模型与强化学习，通过迭代反思增强决策效果与建议质量。
使用Incognita评估社会分布任务环境中具身行动的生成式智能体
提出Incognita框架，评估生成式智能体在社会分布任务环境中的表现：强模型知识获取和操作尝试增多，但可靠性仍低，成功率最高17.2%。
无标签数据的元学习：利用预训练模型和未标注数据的高效任务生成
提出无标签元学习新方法，利用预训练模型和未标注数据生成任务，加权机制提升少样本分类精度8.4%-36.4%，速度提升104倍。
PraMem: Practice-derived Experiential Memory for Long-horizon Behavior Prediction
MAGE: 视图引导的点云补全与高效模态对齐及自适应几何增强
提出统一几何感知框架，通过高效模态对齐与自适应几何增强，解决跨模态几何不一致，显著提升点云补全性能。
APeB：评估大型语言模型智能体的个性化能力
新基准APeB揭示LLM智能体在处理模糊查询时个性化不足，历史利用是短板，VQRA方法有效提升。
叙事诱惑：半开放文本沙盒中的规则遵循评估
提出修辞注入攻击与CoC-Seduce基准，发现LLM易被伪逻辑叙事欺骗，模型规模不保证规则遵守鲁棒性。
训练具有部分双向性的混合块扩散语言模型
提出部分双向混合块扩散模型，限制反向扫描至去噪块实现精确缓存，长文本吞吐量提升19.7倍。
利用多模态特征融合联合提升印度语言中的方言识别与ASR
多模态框架联合提升印度语言方言识别与语音识别，在8语言33方言上DID准确率81.63%，CER/WER为4.65%/17.73%
更少令牌，更优预测：面向高效天气预报的稀疏残差路由
提出Sparse-Reslim，仅路由25%令牌通过残差更新，提升精度，训练加速2.5倍，内存降低2.2倍。
坐标奇异性破坏注视和头部姿态的共形覆盖
坐标奇异性导致共形预测覆盖崩溃，无坐标测地评分可消除扭曲。
离散扩散在线自适应分子优化的设计空间
离散扩散在线自适应中，采集、奖励塑形、去偏、重放与有效性控制互补，优于离线微调与推理搜索。
具身算子与基准测试：迈向可复用和可部署的具身智能系统
定义具身算子为可复用模块，构建分类法与多维基准，推动可部署的具身智能系统。
反思性对话还是提示优化？导师支架式教学对学生独立使用大语言模型进行编程的影响
苏格拉底式引导比提示优化更能促进学生采用理解驱动策略，提升学习效果和后续独立使用能力。
交易信心：算法交易中的全面不确定性估计
提出整合多种不确定性估计的强化学习框架，在美股指数交易中优于传统模型，提升收益与风险管理。
大语言模型在CBT引导的情感推理中何处不足？
LLMs精通CBT理论但应用无效，MCoT仅微效（~1%），偏验证反思，知识不足保证情感推理。
面向代理式业务流程执行的组织记忆
提出组织记忆架构，提供共享、可治理的参考知识层，解决代理流程的知识孤岛问题。
动态知识图谱中关系间依赖的泊松-伽马建模
提出PGRE模型，利用泊松-伽马公式与潜变量捕捉动态知识图谱的关系依赖与时间演化，在稀疏链接预测中表现优异。
面向数据集偏移下可转诊糖尿病视网膜病变筛查的RETFound不确定性感知最后一层适应
不确定性感知最后一层适应可提升DR筛查安全操作点，但可信赖需安全覆盖评估与偏移验证。
加性因果构建：多源图像融合中可迁移与可重构的跨系统学习
提出加性因果构建框架，通过因果锚点与不确定性建模实现跨系统可迁移与可重构学习，显著提升多源图像融合的分布外泛化。
标准条件上下文学习：评估视觉语言模型中的标准偏移适应能力
提出标准条件上下文学习(CC-ICL)，构建多领域基准测试发现模型存在刚性边界偏差，多标准训练可显著提升适应性。
RLVR中的奖励粒度：小语言模型数学推理中过程与结果奖励结构比较
过程奖励在小模型数学推理中优于结果奖励，准确率提升近10%，混合奖励存在信号冲突，奖励粒度是关键设计决策。
基于YOLO的课堂行为监测：高等教育环境下的实证研究
YOLOv11监测课堂行为发现学生注意力后期下降，验证了计算机视觉在教学质量管理的可行性。
对称结构化的神经补全：从稀疏控制几何完成伊斯兰几何图案
嵌入对称规则的神经补全，利用旋转轨道约束保证精确对称和有效性，从稀疏控制几何完成伊斯兰图案。
正确实现分层稀疏注意力：迈向无限上下文建模
HiLS注意力通过层级分解和端到端检索学习，实现高效长上下文建模，性能媲美全注意力且外推能力超64倍。
中文标题：从绅士到边疆人：英语小说中的男性气质建构（1771-1930）
十九世纪英语小说中男性气质从传统绅士转向边疆冒险，帝国/冒险型主导增长，体现权威的重构。
基于关键感知自反馈重试的智能体强化学习
提出PivoARL框架，通过识别关键错误轮次进行局部重试，提升任务成功率并减少交互成本。
高维Ising模型中的迁移学习
提出Trans-Ising迁移学习方法，通过源筛选和两阶段估计避免负迁移，理论保证误差界和一致性，实验误差更低。
条件扩散引导的知识迁移用于多领域知识图谱补全
提出DMKGC条件扩散知识迁移框架，生成通用实体嵌入，跨KG提升补全性能，14个KG上平均MRR提升4.3%。
旋转注意力：面向视频生成中INT4量化注意力的RoPE感知旋转与范围修正
提出RotateAttention，通过RoPE感知旋转和范围优化量化，实现视频生成中INT4注意力加速，性能近无损，端到端加速1.68倍。
CoFEND：一种面向冷启动药物相互作用预测的跨模态融合端到端网络
提出跨模态融合端到端网络，利用多模态信息与两阶段可解释性，显著提升冷启动药物相互作用预测精度与机理可解释性。
CPR：链式感知细化用于由粗到精的医学图像分类
CPR框架通过粗到精的链式感知细化，在恒定内存下提升诊断精度，计算量降低达19.6倍。
利用概念图高效缓解T2I扩散模型中的偏差
CO-ALIGN通过概念图对齐，公平性提升30%，图像质量ΔFID=11.4，不连贯输出减少88%。
个性化因果补救：一种人在回路中的方法
通过交互式贝叶斯推理逼近用户因果模型，利用人类反馈实现个性化且成本合理的算法补救。
从移动数据到商业洞察：面向大规模城市移动分析与决策支持的端到端分析框架
利用移动数据构建端到端框架，实现移动画像、轨迹挖掘和异常检测，支撑城市与商业决策。
跨度内学习：利用模型自身预测自适应调整降阶模型
发现利用模型自身预测，通过增量SVD与遗忘机制重新加权基，提升降阶模型吸收外部修正能力，验证于多种动力学。
Homer：利用分层记忆与智能体推理理解长视频
Homer通过分层记忆与智能体推理，实现长视频在线理解，在多个基准上大幅超越现有方法。
psytechlab在CLPsych 2026：利用自然语言处理方法和大型语言模型进行社交媒体文本分析
使用LSTM、BERT和大型语言模型分析社交文本，在心理状态总结任务中取得最佳一致性分数。
可靠性感知的CT-MRI配准：含稳定性分析与风险分类的质量工程框架
提出可靠性框架，用阈值将CT-MRI配准质量分为绿/黄/红，仿射优于刚性，Dice为主，实现可解释质量控制。
勿等回复：通过主动思考实现既即时又周到的对话
主动思考框架让模型在对话间隙预计算回应，无需训练，提高交互效率且不损性能。
MentalThink：在内心SVG世界中塑造思维
提出视觉-符号推理范式，通过生成SVG代码作为中间表示进行多轮推理，在空间理解基准上取得卓越性能。
H-OPD：置信度感知的异构多教师多模态在策略蒸馏
H-OPD通过token级仲裁动态结合视觉-语言与纯文本教师，提升多模态推理性能。
应用带模糊隶属函数的回答集编程：一个案例研究
提出模糊回答集编程扩展，用学习隶属函数与语义谓词桥接数值与定性推理，支持模糊环境稳健推理。
引导流映射树采样实现在线反馈驱动搜索
BFMT框架通过单次函数评估构建完整树路径，动态分配采样预算，实现从全局探索到局部优化的平滑过渡，显著优于基线方法。
通过条件策略混合展示泛化失败
用条件策略混合构造演示RL训练中的泛化失败，可导致特定分布性能归零，并揭示两种新失效模式。
对齐引导下的表最大重叠大小估计
提出ALORE方法，通过双视图超图编码与对齐引导，实现高效鲁棒的表重叠估计，MAE降低55%、加速89倍。
权重稀疏Transformer中的个体参数似乎可解释
稀疏Transformer中12%-31%的权重可被单一描述解释，且可解释性高于密集模型。
可变位宽量化：为“更大但更小”的语言模型学习每组精度
VBQ让每组64权重学习自身位宽，69%组仅需1位，实现更大但更小模型，质量每字节比FP16高效3.9-8.4倍。
一种基于深度学习网络损失函数序列的自动识别错误标注图像的方法
利用损失函数序列自动识别错误标注图像，提升数据集质量与模型性能，实验验证有效。
CV-DCLR：因果视觉动态标签精炼实现鲁棒零样本学习
提出因果视觉动态标签精炼框架，通过双流互校正与自适应门控解耦语义纠缠，提升零样本学习鲁棒性。