扩展规模能否提升LLM社会仿真？
规模扩展可改善多数社会仿真任务，但纵向预测和弱势意见改善缓慢，且无法提升认知偏差校准。
众声归一：面向LLM评判与奖励建模的多角色准则生成
提出多角色准则生成框架（MRRG），通过多视角评估标准提升LLM奖励信号，优于单角色基线。
InduceKV：通过诱导KV记忆实现多模态大模型固定足迹持续适应
提出InduceKV，在固定内存预算下双层选择构建紧凑记忆集，实现多模态大模型持续适应并优于基线。
Magic-MM-Embedding：基于多模态大语言模型的高效视觉令牌通用多模态嵌入
提出Magic-MM-Embedding，采用视觉令牌压缩与多阶段渐进训练，实现高效且领先的通用多模态嵌入。
超越像素差异：为Web UI视觉回归测试基准测试图像变化描述
提出Web UI图像变化描述任务及基准，评估现有方法发现其能抑制噪声但需领域优化。
基于检索增强的多智能体运维助手的电池储能系统可追溯故障诊断
提出检索增强多智能体运维助手，实现电池储能系统可追溯故障诊断，通过任务路由等提升可靠性并有初步评估。
分布混合至关重要：面向高效视频扩散Transformer的动态稀疏注意力
MOD-DiT通过分布混合预测与在线块掩码，无采样实现动态稀疏注意力，加速视频扩散Transformer，提升生成质量。
扩展稀疏自编码器：面向机制可解释性的参数高效字典
提出Expander SAE，用扩展器掩码减少参数，在Qwen2.5-3B上以293倍参数压缩保留84%性能。
LACUNA：评估大语言模型遗忘中定位精度的测试平台
LACUNA是首个参数级定位遗忘测试平台，发现现有方法不精确且易受攻击，精准定位是关键。
面向在线递归MLLM编辑的多模态知识编辑范围泛化
提出ScopeEdit在线编辑器，通过分支解耦控制编辑传播边界，平衡跨模态泛化与局部性。
操纵共识：众包事实核查中的协同操纵
研究发现协同用户可通过策略投票伪造共识，最高10.7%的低质量笔记可被操纵，已部署缓解措施。
ExPerT：通过查询级语义和击键行为线索个性化LLM对用户领域专业知识的响应
ExPerT框架结合语义与击键行为推断用户领域专业知识，自适应调整LLM响应，使推断误差降低65.7%，响应满意度提升17.52%。
大型语言模型在分子领域真的具有泛化能力吗？基于扰动分析
LLMs在分子结构上泛化脆弱，单次编辑即显著降性能，上下文调优可部分提升鲁棒性。
通过语义注入实现针对扩散模型图像编辑的通用图像免疫
提出首个通用对抗扰动免疫框架，通过语义注入干扰扩散模型编辑，有效阻止未经授权的语义操控。
MMLoP: 多模态低秩提示用于高效视觉-语言适配
MMLoP仅需11.5K参数，通过低秩分解与三种正则化组件，在多数据集上实现高精度-效率平衡
PACE：智能体能力评估的代理基准
PACE框架利用少量原子评测实例预测智能体基准性能，成本降低超99%，误差低于4%，相关性超0.8。
构建社会技术对齐的空间
引入人本框架解决社会技术对齐的规范性缺失，指出概念模糊阻碍进展，建议联系社会科学提升精确性。
Decomposer：学习将符号音乐反编译为程序
提出Decomposer框架，通过合成语料微调与强化学习，从MIDI恢复可编辑音乐程序，兼顾重建忠实度与代码可读性。
AFFMAE：面向桌面硬件的高分辨率显微图像分割的可扩展视觉预训练
AFFMAE提出掩码友好分层预训练框架，通过自适应离格令牌合并，实现显微分割预训练速度提升2倍、内存减半，支持桌面级高分辨率训练。
面向时间序列康复数据的自适应分组反事实解释
提出自适应分组反事实解释框架，实现组级稀疏，生成符合临床推理的简洁纠偏指导。
ADVENT：基于大语言模型的ILP自动谓词发明
ADVENT结合LLM与Prolog验证迭代发明谓词，成功率升至80%，知识库提升31%，生成可解释规则。
持续多模态学习中的隐性遗忘：准确率未降，但证据关联失效
持续多模态学习存在隐藏遗忘：准确率未降但证据使用失效，RCL通过约束证据依赖同时保留答案与推理路径。
Learning the Supports for Categorical Critic in Reinforcement Learning
UniDrive-WM：自动驾驶的统一理解、规划与生成世界模型
提出统一VLM世界模型，联合场景理解、轨迹规划与未来图像生成，L2误差降7.3%，碰撞率降10.4%。
通过强化学习实现视觉语言模型的视觉化自我反思
提出VRRL框架，用随机掩码和缓冲回滚强化视觉自我反思，显著提升分布外准确率。
AgenticDataBench：面向数据代理的全面基准
提出AgenticDataBench，涵盖15领域真实任务与细粒度标签，通过技能覆盖评估数据代理性能。
GryphOne: 面向离线手写数学表达式识别中结构精化的符号感知掩蔽扩散
GryphOne离散扩散框架通过迭代符号精化，在MathWriting上达5.51% CER和59.9% EM，超越商业系统且泛化性强。
SpatialMosaic: 面向部分可见性的多视角VLM数据集
提出面向部分可见性的多视角VLM数据集SpatialMosaic，含2M问答对，集成几何编码器提升空间推理，实验验证有效。
基于可控扩散的病灶修复用于可扩展的组织病理学数据增强
PathoGen扩散模型生成逼真病灶，提升分割Dice达0.18，解决病理学数据稀缺与标注成本。
双解耦视觉语言模型用于零样本分心驾驶员检测
提出双解耦框架，消除外观干扰并正交化文本嵌入，提升零样本分心驾驶检测准确性。
编码智能体能够复现科学机器学习论文
提出Paper-replication工作流，使智能体通过记录目标、重建方法并验证，可靠复现论文声称。
基于证据状态的奖励机制用于长上下文推理
提出Maven框架，通过奖励证据状态转换改善长上下文推理，优于一次性提取方法。
净化版OPSD：在不失思考能力下进行在线自蒸馏
OPSD在长思维链中因参考诱导机械记忆失效，净化版通过分离非迁移成分并应用PMI蒸馏，保留推理并提升性能。
通过离线评估方法进行A/B测试实现更准确的算法比较
发现A/B测试选择错误率可能高于离线评估，提出诱导正相关的估计器，仅用一半数据达到同等效果。
面向可解释涡轮风扇退化建模的液态潜状态动力学
液态潜状态动力学解耦退化和工况，提升传感器预测并形成可解释退化轴，但剩余寿命回归效果不及基线。
SUNTA: 基于惊奇的层次化视频预测与分块
SUNTA用解耦训练和内部不一致性度量惊奇，实现基于预测误差的层次化分块，在250步长时预测中保持准确。
条件共消融：恢复Transformer电路中的自修复备份
提出条件共消融（CoAx），通过移除主组件后测量剩余组件消融效应增长，揭示二阶交互，有效恢复自修复备份，提升归因和剪枝。
1990-2019年全球图书情报学研究方法使用的非同步性
研究81国三千余篇论文发现：各国研究方法存在差异且随时间缩小，揭示了学科发展特色。
图书馆与信息科学中研究主题与方法选择的性别差异：三大顶级期刊视角
女性倾向访谈，男性偏重理论，性别影响研究方法选择。
面向丢包掩盖的自监督测试时调优
提出TTT-PLC，仅用接收数据包自监督调优PLC模型，无需外部数据，提升丢包掩盖性能。
长视频混合VLM的状态化令牌缩减
提出状态化令牌缩减方法，利用Mamba保持丢弃令牌信息，实现3.8-4.2倍加速并保持精度，优于基线。
NOVA：自动驾驶中3D多目标跟踪的下一步开放词汇自回归
NOVA提出自回归关联法，将跟踪转为序列补全，利用LLM建模轨迹时空语义，新颖类AMOTA提升20.21%。
利用视频扩散先验的超低比特率图像压缩中的下一帧解码
提出超低比特率图像压缩新范式，将解码转为下一帧预测，锚帧保留语义，比特率节省超50%，解码加速5倍。
A²utoLPBench：基于逆向KKT构造的自动生成、智能体友好的线性规划基准
通过逆向KKT构造自动生成线性规划问题，提供无限新样本、防数据泄露、答案准确，支持智能体一键评估。
基于评分准则的前沿语言模型在专家撰写的临床推理任务上的受控对比
临床推理关键标准通过率仅32-42%，低风险达80-90%，半数关键无一模型通过。
ContextNest：面向自主AI智能体的可验证上下文治理
提出上下文治理框架ContextNest，通过元数据、哈希链等技术确保知识版本可验证，实验表明优于传统检索，解决检索无法处理的故障模式。
Rank-Then-Act: Reward-Free Control from Frame-Order Progress
SABER：基于多尺度超图的语义对齐脑网络分析框架
提出语义对齐脑网络框架，融合LLM语义与多尺度超图，决策级语义对齐引导预测，提升小样本下脑疾病诊断稳定性与可解释性。
领域特定大语言模型后训练提升健身智能
FitOne系列LLM经三阶段后训练，在ACSM/NSCA认证考试中提升达13%，兼顾领域专业性与通用能力。
基于种群的多目标判别器训练用于半监督生成对抗网络
提出基于种群进化的多目标判别器训练，通过帕累托排序权衡分类与真假判别，提升半监督GAN的鲁棒性和准确率。