HyFL-CLIP：双曲微调CLIP以增强鲁棒长上下文理解
HyFL-CLIP通过双曲微调和跨流形蒸馏建模层次关系，增强CLIP长上下文鲁棒性，文本扰动下检索提升19.5%。
VideoSearch-R1: 基于软查询优化的迭代视频检索与推理
提出VideoSearch-R1框架，通过软查询优化在连续潜在空间调整搜索，结合GRPO训练，实现迭代检索与推理，在视频语料时刻检索任务上达到最优性能。
利用稀疏自编码器将句子嵌入与人类概念对齐
提出用稀疏自编码器解耦句子嵌入为可解释概念，激活引导干预检索，实现透明可控的神经信息检索。
现实世界中的大语言模型：评估应急场景下的“AI”
呼吁研究界更多向公众阐释AI成果，通过应急翻译案例揭示常见误解，强调易被忽视的简单问题。
MosaicKV：利用动态二维KV缓存压缩服务长上下文大语言模型
MosaicKV通过动态二维压缩实现长上下文LLM服务，达16倍加速和3倍内存节省，精度损失仅1.76%。
低预算黑盒优化的生成式精化方法
SPARROW算法解耦生成先验与奖励，利用固定采样器排名引导，低预算下有效优化复杂几何与不可靠奖励问题。
MindEdit-Bench：基于野外照片的VLM物体级反事实空间推理基准测试
新基准测试VLM物体级反事实空间推理，准确率仅8%-31%，远低于人类81%-97%，差距显著。
FLYNN: 基于果蝇大脑拓扑的鲁棒机器人导航神经网络
基于果蝇脑连接组的RNN（FLYNN）实现视觉导航，性能媲美手工网络，但抗传感器丢失和分布外数据，完全失明仍能工作。
StochasT：基于随机对话轮次深度的视觉指令微调学习
提出StochasT随机分组任务，解决多轮训练与单轮测试不匹配，提升模型鲁棒性。
通过非对称互变分学习实现多模态连续推理
提出AMVL框架，用双向KL校准解决多模态连续推理中的训练-推理不匹配与答案泄露，在BLINK基准上平均提升+10.83。
ECoSim：面向可控交通模拟的高效数据微调
提出轻量控制适应框架，仅需不到1%数据实现多模态可控交通模拟，保持驾驶真实性与安全性。
比较大型语言模型在Scrum认证问题上的表现：准确性、稳定性和错误模式
评估三个LLM在Scrum认证问题上的表现，Gemini准确性最高，错误呈现系统性模式。
生成式元学习中的人机协作：模型与算法
提出人机协作生成式元学习框架GMHF，利用人类反馈引导数据合成，理论证明对齐人类信念可降低泛化风险，实验验证有效。
基于人类演示的接触力引导的灵巧操作学习
提出CHORD框架，用物体中心接触力引导强化学习，在4739个任务中成功率达82.12%，可迁移到真实世界。
ATM：基于CID代理的多智能体代码协同合成写前准入
ATM框架通过CID代理和原子化机制，实现多智能体代码合成的写前准入、审计和可恢复性。
通过部分单目观测的生成式重建的鲁棒3D对齐
提出无需训练的几何对齐框架，利用Sim(3)变换和粗到细策略鲁棒对齐，有效抑制生成幻觉，性能超越现有方法。
基于先验锚定的长尾多器官病理报告生成去偏方法
提出PriorAnchored框架，用视觉原型和元报告锚定去偏，提升长尾多器官病理报告生成性能。
基于事件相关电位的脑机接口中，哪个指标反映拼写准确率？
研究发现Brier分数、MCC、ROC AUC等指标最能反映ERP-BCI拼写性能，建议采用。
采用时间并行采样加速离散扩散模型
通过并行化τ-跳跃算法，将离散扩散采样时间复杂度降至对数级，实验取得7-9倍加速。
面向视觉强化学习泛化的任务相关表示解耦
提出自监督任务相关表示解耦算法，通过三个组件实现SOTA泛化性能和样本效率。
AnF-DiffPET：解剖与频率引导的PET/CT去噪扩散模型
提出AnF-DiffPET框架，结合解剖与频率引导，增强多尺度特征及频域一致性，在PET/CT去噪中优于现有方法。
Restore3D: 通过形状与纹理修复为破损物体注入生机
Restore3D框架同时修复破损物体的形状与纹理，利用多视图图像和自感知掩码生成高分辨率一致图像并重建网格。
光谱几何与玻色-布洛赫探针：量子学习中的探索
学习重构光谱几何，玻色干涉与布洛赫漂移探针诊断，异常检测高精度（约0.99 AUC）。
Cross4D-JEPA: 用于4D点云表示学习的密集跨模态对应蒸馏
提出Cross4D-JEPA，通过密集跨模态对应蒸馏冻结的2D/视频模型到4D点云编码器，在四个基准上超越现有方法。
从像素到时间相关性：为强化学习预训练学习信息丰富的表示
提出多尺度时间对比学习，建模时间相关性平衡像素注意力，生成信息丰富表示，提升强化学习预训练效率与性能。
带驻留的目标标记自循环系统：内在特征、实现代价与识别
带驻留的目标标记自循环系统可被纤维线性图尊重转换器实现，具有可达同构性，最小状态数为驻留和，并提供O(|Q||Ω|)识别重建算法。
就Scrum认证问题提示GPT-5：一项实证准确性研究
GPT-5回答Scrum认证问题准确率超85%，引用提示最佳达89.1%，错误集中于范围外和过时解读。
AGE：面向图检索增强生成的图嵌入自适应掩码
AGE采用掩码自监督学习对齐图文特征，聚焦非关键节点预测，提升图问答任务精度。
NoPA：非参数化在线三维场景图生成
NoPA用非参数分布表示对象，保留几何细节，通过最大均值差异合并，实时生成高质量3D场景图。
SPECSIA：基于绘图的3D动画中新颖视角增强的风格化数据集
提出SPECSIA-15K数据集和DraViE模块，消除新颖视角伪影，提升保真度和时间一致性，降低成本。
局部运动至关重要：一种用于强化学习视频预训练的解构-重组范式
提出解构-重组范式，通过学习局部运动表示实现跨域迁移，显著提升机器人控制任务的样本效率与性能。
HieDG：一种层次化离散几何引导的多动物追踪框架
HieDG通过离散几何令牌对齐视觉嵌入，解决连续几何不稳定问题，在多动物追踪基准中取得最优关联性能。
基于多信息源的约束贝叶斯优化
提出多源框架扩展约束贝叶斯优化，利用弱相关辅助数据高效探索可行域，实验优于现有方法。
SWE-Router：多轮自主软件工程任务中的路由选择
SWE-Router利用部分轨迹决策路由，提升任务成本效率并保持强模型性能。
基于机器学习回归的光谱分析定量始成土与氧化土碳氮含量：预处理、验证方法及特征重要性比较
利用NIR光谱和机器学习回归，通过SG滤波及堆叠集成模型，快速定量土壤碳氮（RPD>2.0），助力可持续农业。
Beyond Activation Alignment:The Alignment-Diversity Tradeoff in Task-Aware LLM Quantization
Valdi：价值扩散世界模型
Valdi结合端到端在线MPC训练与潜在扩散动力学模型，在CarRacing中单步扩散匹配MLP基线，发现多模态与控制的权衡。
GEAR-Seg: 面向推理分割与数据引擎的可解释基础智能体
GEAR-Seg将推理分割解耦为可追踪逻辑链，零样本推理性能领先，自动构建大规模基准，轻量模型逼近人工标注上限。
用于RIS辅助跟踪与功率控制的主动感知：一种混合神经进化与监督学习方法
提出混合神经进化与监督学习的双代理主动感知框架，在RIS辅助跟踪和功率控制中精度与鲁棒性超越传统滤波与机器学习方法。
AlgoBench：代码生成中算法适应性的基准测试
AlgoBench通过约束变换生成新算法问题，用复杂度指标测试模型算法适应能力，发现模型表现大幅下降，错误主因是算法而非实现。
海马：时空事件建模的统一基准框架
SEAHORSE框架统一基准测试时空事件建模，实现公平比较与诊断，合成测试揭示模型归纳偏差。
微分同胚优化
提出微分同胚优化方法，在数据流形上实现黎曼梯度下降，显著提升蛋白质设计性能。
面向癌症药物反应预测的可解释AI：超越单变量特征归因
提出ILLUME+可扩展事后解释框架，超越单基因评估，生成稳定基因重要性评分，恢复已知药物-基因关联并发现新分子信号。
EgoGapBench：多智能体场景中自我中心动作选择的基准测试
提出多智能体场景自我中心动作选择基准，人类可靠，多模态大模型表现差且难以从第一人称数据习得。
BrainFIBRE：通过信息分解的脑微结构基础模型
首个脑微结构基础模型，采用自监督部分信息分解与反事实候选构建，从NODDI图中提取可迁移表示，在多任务预测中达最优性能，提供可解释的神经生物学交互模式。
描述瓶颈模型
CaBM用自由文本替代预定义概念集，实现无泄漏架构，自动发现数据集特定概念。
利用潜在空间：从引导向量到模型校准器以实现控制与信任
提出引导向量控制行为，开发潜在空间校准器增强信任，构建更可信语言技术。
HydraCollab：面向分布式自主系统的自适应协同感知
HydraCollab通过选择性传输关键特征和动态切换协作策略，在低通信开销下实现高精度感知，性能优于现有方法。
静态与动态环境中的最优任意角度路径规划
提出椭圆前向扩展和视野两种加速技术，开发Zeta*与Zeta*-SIPP算法，实现静态与动态环境中的最优任意角度路径规划，速度提升20倍以上。
土耳其语和阿拉伯语中的仇恨言论检测：一项综合研究
提出含土耳其语5类及阿拉伯语1类话题的仇恨言论数据集，并开发基于BERT的多维度仇恨分析模型。