Aura · 时间线

Validation-Induced Shapley Shifts: How Validation Structure Distorts Data Valuation

$C^3$ASD: 多层级一致性驱动的表示学习

提出C^3ASD多层级一致性框架，通过三重约束提升主动说话人检测在噪声、遮挡等退化条件下的鲁棒性。

FormalRx：自动形式化中语义失败的修正与检查

提出FormalRx诊断框架，基于28类错误分类法，实现自动形式化错误判定、分类、定位与修正，性能优于基线。

PIEFS：基于物理信息的可学习缩放特征函数

提出PIEFS框架，用可学习缩放和物理信息特征，实现紧凑监督谱表示。

重新思考基于CLIP的脑解码：对抗鲁棒性的作用

对抗鲁棒性表示能提升脑解码性能，更贴合大脑活动，优于标准CLIP。

所见即所得：面向图表到代码生成的观测对齐监督

提出观测对齐监督框架，替换图表代码生成中不可观测原始变量为视觉可约束量，提升可观测值恢复。

将离策略令牌转化为在策略令牌：一种提升大语言模型对齐的插件方法

提出选择性重要性采样，将离策略令牌转为在策略令牌，插件化减少方差，显著提升对齐鲁棒性。

PAST-TIDE：基于原型锚定的语句调优与主题不变归一化的立场检测方法

采用语句调优、原型对比和主题不变归一化，低资源立场检测取得0.75/0.74宏F1。

SafeGuard：面向社会风险AI生成视频检测的多智能体感知-推理框架

提出多智能体框架协同感知与推理，在20K视频新基准上提升18.7%准确率，优于现有方法。

SAVER：随机自适应方差驱动的探索与重建用于低剂量CT

SAVER基于数据方差实时选投影角度，优先高信息方向，提升低剂量CT重建质量与鲁棒性，最大化每单位辐射诊断收益。

SiamixFormer：一种基于全变换器的孪生网络，用于双时相遥感图像中精准建筑物检测与变化检测

提出SiamixFormer模型，利用灾前灾后图像及时间变换器融合特征，在建筑物检测和变化检测任务上达到最优。

PixCon：面向基础模型半监督分割的纯净正例对比学习

PixCon通过只采用学生正确分类的标记像素构建无污染正例集，无需阈值过滤，在多个数据集上改进DINOv2基线，精度提升来自干净正例监督。

基于保守主体不变性的肌电手势识别

提出保守多目标学习框架，联合优化分类、对抗混淆与度量学习，自适应加权，跨主体准确率相对提升49%。

量化与连续强彩票的统一框架

提出统一框架，通过分析离散RSSP导出量化强彩票紧界，故障概率指数级提升，统一处理近似与舍入误差。

AutoResearch：一种基于执行可靠性的多智能体框架，用于研究工作流自动化

提出AutoResearch多智能体框架，结合沙盒执行与引用验证，显著提升科研工作流自动化可靠性。

意大利流行音乐中的语义同质化：一项历时分析

研究揭示意大利圣雷莫歌曲歌词语义多样性下降，开发新方法，证实全球语义同质化趋势。

基于注意力引导的EfficientNet架构实现监控图像中罪犯的精确识别

提出AG-EfficientNet，集成CBAM与多尺度融合，混合损失优化，监控人脸识别准确率达98.2%，优于经典模型。

评估语言关联性对大型多语言自动语音识别中跨语言迁移的影响

大型多语言ASR中，语言关联性预适应对低资源语言无实质提升，不能可靠预测迁移增益。

FedACT：面向数据异质性下鲁棒Transformer训练的自适应坐标信任调节联邦方法

提出坐标级信任调节方法FedACT，提升联邦Transformer训练鲁棒性，缓解数据异质性影响。

LP-SFT：基于多模态熵结构的局部保持有监督微调

提出LP-SFT，通过局部保持预训练熵结构，缓解微调能力退化，平衡准确率与多样性。

PotatoGANs：利用生成对抗网络、实例分割和可解释人工智能增强马铃薯病害识别与分类

利用两种GAN生成合成病害图像缓解过拟合，CycleGAN图像质量更优，结合可解释AI提升分类性能。

信噪比自适应统一扩散模型用于多任务医学图像分割

UniT-Diff统一扩散模型通过SNR自适应调节解决多任务冲突，三基准上均超越独立模型。

LLM作为验证器：一种通用验证框架

提出LLM-as-a-Verifier框架，通过连续评分实现细粒度验证，无需额外训练，在多个基准达SOTA并提升RL效率。

OptiAgent：基于多智能体迭代优化的端到端优化建模

OptiAgent多智能体框架通过迭代自纠错和多循环验证从自然语言生成优化模型与代码在LP/MILP/NLP基准上达SOTA

张量列车联合建模用于少步离散扩散

针对离散扩散少步生成的并行偏差，提出张量分解显式联合分布建模，通过TTD捕捉邻近依赖，轻量微调提升性能。

用于玻色子量子计算的SRF腔和Transmon的神经网络逆向设计

提出两种深度神经网络逆向设计SRF腔和Transmon，匹配精度分别达~5%和~2%，快速替代迭代仿真。

以小博大：针对可验证多项选择任务的微型语言模型分类头微调

TLM分类头微调在多选题上优于标签生成，小模型性能媲美大模型，0.6B/1.7B达到SOTA。

一种带有时序事件验证的实时智能视频监控多任务深度学习框架

提出统一多任务框架，集成人脸、车牌、武器、烟火及行为检测，通过时序验证大幅降低误报，实时运行于普通硬件。

奥塞梯语COT：设计形态标注语料库与形态分析器

首个铁奥塞梯语形态标注语料库，基于BERT分析器准确率达95.60%。

Vidu S1：实时交互式视频生成模型

Vidu S1是实时交互视频生成模型，支持语音控制数字角色，实现无失真无限时长视频生成，性能最优。

评估大型语言模型用于反犹事件分类

LLM分类反犹事件有潜力但需改进，提供定义和示例可提升性能，可辅助早期监测。

SovereignPA-Bench：在意图演化、平台中介与同意约束下评估用户自有个人代理

提出SovereignPA-Bench基准，评估用户自有个人代理在演化意图、平台中介与同意约束下的主权，关注隐私、同意、抗操纵，超越传统任务完成指标。

等变深度学习基础：图神经网络与层神经网络统一框架

提出阶等变神经网络统一图与层网络，证明通用逼近定理，并推广至范畴等变网络。

文本作为部分约束：面向鲁棒视觉-语言学习的核心-残差对齐

提出TPC框架，将文本视为部分约束，通过核心-残差对齐实现稳定匹配，提升零样本识别与对抗鲁棒性。

DuplexChat：大规模构建说话人分离的全双工对话语音用于口语对话建模

提出DuplexChat语料库及流水线，从播客生成双通道对话语音，含英日共41.5万小时，支持全双工对话模型训练。

GLM-5服务参数调优：面向OpenClaw的长上下文智能体工作负载单部署MaaS推理优化

通过调优chunked prefill、TP、PP等参数，最佳配置提升吞吐量与降低延迟，成本降低约10%。

对抗性LassoNet：基于稳定性驱动的鲁棒特征选择

提出对抗性LassoNet，结合对抗训练与层级稀疏特征选择，提升分布外鲁棒性与特征重现性，准确率提高5.3%。

你框架它：概念表征如何影响LLM对反犹主义的检测与推理

概念表征影响LLM反犹检测：细粒度提升召回但降精度，大资源无额外收益，模型存在局限。

DistillH-Mamba：基于超图-曼巴的高效冲击跌倒检测知识蒸馏模型

提出DistillH-Mamba模型，采用超图-曼巴与知识蒸馏，冲击跌倒检测准确率97.38%，推理时间减少73.8%。

ExpoMotion：面向多曝光融合的大规模基准与Householder投影网络

提出大规模动态基准ExpoMotion及Householder正交投影网络HOP，有效消除鬼影并保持细节。

评估与理解医学视觉语言模型的模型编辑

提出M3Bench基准，含16k问题评估医学VLM编辑，发现梯度法缺局部性、记忆法缺组合泛化性。

基于单纯形指数移动平均的流混合稳定全局加权

提出AMF-VI-sEMA框架，以单纯形指数移动平均实现稳定全局加权，避免组件崩溃，提升后验推理性能。

图稀疏采样：打破连续MDP规划中的规划期限诅咒

提出图稀疏采样（GSS），共享采样避免分支爆炸，实现规划期限多项式依赖的在线连续MDP规划。

NeSy-CSA：面向开放式关键场景归因的神经符号框架

提出NeSy-CSA框架，将开放式关键场景归因转化为结构化可追溯推理，实验提升归因有效性18.32%和13.67%。

最小MMD估计的梯度流视角

提出预条件梯度下降方案，证得渐近全局收敛，优于标准梯度下降。

通过对抗性公路旅行防御地理位置识别

提出RoadTrip攻击，用光束搜索构建欺骗路径，以细微扰动引导模型定位错误位置，黑盒场景迁移性强。

SWIFT：面向工作负载轨迹的时空小波集成预测框架

提出SWIFT纯卷积框架，采用可学习小波与多变量交互，实现高精度线性复杂度预测，误差降低31%，延迟降低80%。

智能体生成，我们验证：一种轻量级的智能体产物生成框架

提出轻量框架，通过测试驱动、双重验证和专家评判，确保LLM生成的结构化产物可靠，已用于安全领域。

CRODA-ST：单目标跨接收器开集射频指纹识别

针对跨接收器开集识别，提出CRODA-ST框架，结构锚定与拒绝对齐，达到高准确率，FPR90仅0.0469。