压缩验证瓶颈：面向科学发现的自主驱动实验室
双代理策略结合先验感知与成本感知，减少实验轮次及单次成本，加速自驱实验室。
GUI智能体相信自己的眼睛吗？诊断状态信念对像素与结构的依赖
提出视觉状态依赖度量，发现文本智能体过度依赖结构而非像素，导致行动错误。
全息字幕：迈向3D场景的文字等价物
提出全息描述任务，通过HoloScribe模型生成3D场景结构化文本，性能优于现有方法。
基于深度学习和机器学习的FPS游戏服务器端自瞄作弊检测
提出YAACS自瞄检测系统，堆叠LSTM序列建模准确率88.6%，假阳性率0.97%，优于决策树，证明时序建模可减少误报。
评估生成式人口综合中场景兼容性的贝叶斯框架
提出集成贝叶斯更新框架量化场景兼容性，用有效样本量评估结构不确定性压缩。
BanglaMemeEvidence：孟加拉语模因解释性证据检测的多模态基准数据集
首个孟加拉语模因证据检测研究，构建2917模因数据集，提出多模态框架，F1达0.74，填补低资源语言空白。
通过逆强化学习理解电力消费行为
逆强化学习揭示电力消费行为异质性，政策需关注消费时间及冲击响应持续性。
中文标题：分布式机器学习模型中上游径流的联合分布决定了下游河流流量预测的不确定性
中文摘要：分布式概率水文预测需联合采样上游径流，独立采样会低估不确定性，分位数匹配可恢复离散度。
MechMath智能体团队：面向数学研究的LLM驱动智能体
提出解耦三平面架构，三个专用智能体闭环协作，在数论等五领域两月解决11个开放问题。
OpFlow：学习机会条件选择潜力以实现鲁棒的OD流预测
OpFlow通过分离需求与分配，学习可转移的选择机制，提升分布偏移下OD流预测的鲁棒性。
TRACER：面向任务型对话的早期故障检测
TRACER通过信念状态变化与文本表示，从部分对话中提前预测任务型对话的最终失败，实现有效预警。
追踪噪声，移动世界：基于3D的运动一致噪声实现可控视频生成
UniCaMo构建3D运动一致噪声空间，无需修改模型即可同时控制物体轨迹和相机视角，经LoRA微调达SOTA。
通过投注机制实现LLM预测的分散聚合
WALLA通过投注机制分散聚合LLM预测，具备激励相容、优势对齐和分散学习，性能媲美集中式方法。
Nemotron-Labs-3-Puzzle-75B-A9B：压缩混合MoE大语言模型
提出压缩混合MoE模型，吞吐量翻倍，长上下文并发提升8倍，多阶段优化保持精度。
NormWorlds-CF：基于求解器验证的反事实规范推理与变质关系GRPO
提出求解器验证的反事实规范推理环境NormWorlds-CF，采用变质关系GRPO奖励，在结构化变化任务中优于答案监督。
对话式人类视听对话生成
CHAT框架从文本生成成对视听对话，统一大语言模型与说话人脸模型，性能优于现有方法，替代昂贵数据采集。
基于多实例融合的可撤销生物特征模板保护：一种对侧虹膜方法
提出无外部密钥的对侧虹膜融合可撤销模板保护，满足ISO标准，实验等错误率低至0.36%，优于未保护方案。
面向含噪偏好的大语言模型无偏对齐
提出无偏奖励模型和无偏直接偏好优化，理论证明噪声容忍，实验优于基线。
为AI智能体提供自然语言工具的显著有效性：一项跨14个模型验证NLT性能的复制研究
NLT提升工具调用准确率14.9%，减少关键错误93%，且对非原生工具调用模型增益显著。
视觉语言模型在UML图解释中的先验偏差
VLMs对UML类图存在先验偏差，箭头反转导致开源模型方向准确率平均下降33.48%，GPT系列降幅较小。
PhenoNEST：面向本体感知的多模态植物表型与性状发现的神经符号框架
提出神经符号框架构建多模态知识图谱，融合文本与图像，实现小麦表型监测与性状定位。
将表示与重建分离实现可扩展文本编码器
CrossBERT分离表示与重建，支持高掩码比和梯度收集，吞吐量与样本效率翻倍，性能领先。
全局到局部：基于全球天气基础模型的高效区域天气降尺度
提出基于预训练天气模型的降尺度框架，无需重新训练，以极低计算成本提升区域预测精度。
LLM作为导师：面向不可验证强化学习的策略感知提示自适应
提出LLM-as-a-Tutor框架，将LLM从裁判扩展为导师，通过检测并增强非挑战性提示，实现自校准训练，提升性能。
过渡信息密度：形态轨迹、联觉感知与神经网络训练中的结构化插值（或：联觉AI）
提出过渡信息密度与位置身份概念，实验表明结构化插值在语音语义模态降低内在维度，视觉模态存在边界条件。
ResearchStudio-Idea：基于证据的科研构思技能套件——源自机器学习会议成果
提出IdeaSpark技能套件，从ML会议论文提炼15种构思模式，生成可追溯提案，盲评优于基线。
智能体步价值：基于状态固化的LLM评估器的状态转换测量
ASV通过状态转换测量评估动作的信念变化，发现最终评分遗漏的建设性与破坏性转折。
SPLIT：基于空间补丁级不一致性和时间粗糙度的无需训练AI生成与部分编辑视频检测
提出SPLIT检测器，通过空间补丁级不一致性与时间粗糙度融合，无需训练即可在极低假正率下高效检测AI生成及部分编辑视频。
面向LongEval-RAG的候选集约束检索增强生成：系统设计与实证分析
最优变体为规则分块加MiniLM句子重排序，增益来自稳定证据单元与神经选择结合。
CrossHallu：大型语言模型内部幻觉信号是否跨语言和领域泛化？
研究六种LLM内部表示，发现幻觉信号在大多数模型中跨语言和领域可转移，性能取决于特征空间中类可分性和语言对齐。
E-TraMamba：基于事件相机的高效长期3D特征跟踪新范式
E-TraMamba首个基于Mamba的事件相机3D特征追踪框架，通过线性状态空间模型高效长程建模，性能SOTA，特征寿命提升2倍以上。
Telescope：通过测量令牌重复概率改进对LLM生成内容的零样本检测
利用LLM对令牌重复的先天厌恶，提出Telescope Perplexity指标，实现高效零样本检测，性能领先。
为何纯推理不足：自然作为数学创新的源泉
人类数学创新依赖自然启发的模式匹配，而非纯演绎；这为大型语言模型的海量跨领域数据提供了理论依据。
ProLaViT：在结构化潜在空间中学习渐进式潜在视觉思维
ProLaViT框架通过内生自蒸馏和两种推理链实现结构化潜在视觉推理，高效准确可解释。
AI Wizards在EXIST 2026：用于模因中多模态性别歧视识别的分层软标签学习
提出分层条件软标签预测，采用轻量Gated MLP和KL散度训练，在EXIST 2026中获Task 2.3第一。
面向开放网络检索增强型大语言模型的风险约束时效感知语义缓存
FreshCache三级语义缓存通过风险约束时间推断，在24小时窗口以0.1%过期错误实现97%搜索API节省。
超越多语言平均：MTEB-PT——葡萄牙语句子编码器基准
MTEB-PT基准揭示葡萄牙语嵌入性能任务依赖，长上下文模型及语言微调可显著提升效果。
中文标题：迈向多样全面的互信息估计基准
中文摘要：提出基于copula理论的统一互信息估计基准，涵盖两类测试，评估三类估计器，揭示无通用最优方法。
面向HAR的FedAvg：探索个性化与泛化准确率之间的权衡
FedAvg用于人类活动识别，在个性化与泛化间权衡，但客户端类别分布变化时优势不明显。
超越欧几里得范式的统计有意义的几何（SMG）及其在生成式AI中的应用
SMG框架用信息几何与微分纤维束建模，通过联络滤除噪声，严格限制生成幻觉并消除灾难性遗忘。
MORE：多语言文档解析基准与评估
MORE基准覆盖149种语言，评估结构化文档解析，为低资源语言建立性能基线。
R3D：面向自我中心可穿戴设备的定量三维空间推理
提出R3D-Bench基准与R3D框架，在自我中心视频定量3D推理上达73.5%准确率，大幅超越现有方法。
VLA Grounder：面向黑盒VLA模型的语言条件空间优化
通过强化学习优化语言条件空间，将指令转为VLA接地命令，不更新权重即可提升黑盒模型成功率。
测量多步LLM智能体中由控制框架引发的信念分歧
控制框架改变智能体多步信念，即使任务和LLM固定。引入诊断方法和BIWM协议，表明框架设计是实验变量。
FORGE：针对深度研究智能体的研究轨迹劫持攻击
提出FORGE攻击劫持子任务规划，引入PRISM指标及根查询锚定防御，有效降低污染。
利用层次表示正则化学习大型多模态模型的分类树
HiR^2通过分类蕴含和判别分散损失，增强大型多模态模型的层次一致性。
注意力受限的奖励学习
有限注意力会扭曲成对比较数据，标准模型无法区分奖励与注意力的影响，反馈应视为受限测量过程。
通过扰动实现基于感知的敏感性检测检索增强生成中的幻觉（GASP）
GASP通过测量答案对检索证据的敏感性检测幻觉，在RAGTruth上达AUC 0.73/0.67，无需训练即可超越基线。
可解释性设计：注意力机制与端到端Transformer
通过sigmoid使注意力值通道成为可读检测器，构建端到端可解释语言模型，前馈单元为命名集合操作。
CausalGame：在游戏中评估LLM智能体的因果推理能力基准
提出CausalGame基准，通过游戏测试LLM智能体因果思考，模型表现较差，最佳准确率仅68%。