AugSplat：基于辐射场引导的高斯泼溅方法用于稀疏视图设置
AugSplat利用辐射场合成辅助视图，优化高斯泼溅稀疏视图重建，实现高质量实时渲染。
LUMOS：为无障碍AI代理设计的语义操作系统层
LUMOS是AI与操作系统间的语义交互层，将无障碍元数据转为机器可读蓝图，减少截图依赖，支持实时UI查询。
使用语义向量模型在大型讨论平台上产生共识与分歧
通过语义向量模型和耦合参数，调控大型讨论平台上的共识与分歧平衡，实现凝聚与多样性可控管理。
使用引导向量的白盒敏感性审计
利用引导向量的白盒审计框架，通过模型内部测试发现黑盒评估遗漏的偏见，高风险任务中效果显著。
散射网络的分离能力
本文扩展Cover理论，建立了散射网络分离容量的公式，揭示了影响因素，并提供了设计指导。
Teaching Models to Teach Themselves: Reasoning at the Edge of Learnability
SOAR框架通过元RL生成课程，在低成功率数据集上提升推理，发现问题结构比答案更重要。
BEST-RQ-2：先语境化再预测——一种两步自监督音频表示方法
BEST-RQ-2提出两步先语境化再预测自监督方案，解耦掩码预测阶段，跨域迁移优于单阶段基线。
使用物理感知神经算子Transformer的EAST钨单体偏滤器温度场重建
PNOT融合图注意力和物理约束，实现EAST偏滤器温度场高精度实时重建。
XY模型的扩散预热采样实现大规模快速热化
训练小尺寸扩散模型生成大尺寸XY样本，结合少量MCMC使热化时间降低一个数量级。
规范驱动开发中的引用纪律：LLM生成代码输出确定性与自动幻觉检测的跨模型实证研究
引用注释降低输出确定性但实现自动幻觉检测，该权衡跨模型一致。
HVPNet：面向通用显著与伪装物体检测的仿生网络
受人类视觉启发，HVPNet通过视网膜集成和皮层解码实现高效准确的多模态显著与伪装物体检测。
ReplicatorBench：评估LLM智能体在社会科学和行为科学中可复制性的基准
新基准ReplicatorBench评估AI智能体在社会科学和行为科学中的研究复制能力，含可复制与不可复制声明。
人-智能体协作的论文到网页制作
AutoPage多智能体系统将论文转化为交互网页，15分钟内低于0.1美元，并具备验证机制。
DataEvolver：自我进化的多智能体数据构建方法用于文本丰富图像生成
DataEvolver利用被拒绝样本反馈，自我进化构建文本丰富图像数据，显著提升生成质量。
基于高级调节控制理论的多智能体AI系统方法：面向过程控制的安全可审计LLM操作员智能体
基于控制理论的多智能体LLM方法，通过轨道器解决冲突，实现安全可审计的过程控制。
通过神经网络动态预测交替复发事件
提出神经网络逆概率加权伪观测框架，动态预测交替复发事件，模拟与应用效果良好。
GUI-AIMA: 基于上下文锚点对齐内在多模态注意力的GUI接地方法
提出注意力驱动的无坐标监督微调框架，通过多模态注意力对齐实现高效GUI接地，仅用50万样本即达3B模型最优性能。
SimpleSearch-VL：多模态智能体深度搜索的简易方案
SimpleSearch-VL通过改进搜索验证过程，实现高效可靠实用的多模态智能体搜索，少量数据即可媲美顶级模型。
结构正则化的可解释性TCR-表位预测
提出结构正则化可解释模型TCR-SRIM，实现残基级TCR-表位预测，性能领先，揭示生成结构导致交互模式不准确。
语言模型中的演绎逻辑：水平推理与垂直推理
研究水平与垂直推理机制，发现思维链在水平推理中显式指导规则推理，垂直推理中起课程学习作用。
基于神经天气模拟器中罕见事件采样的条件热带气旋生成率
通过非平衡罕见事件采样与神经天气模拟器耦合，高效估算条件热带气旋生成率，计算效率提升高达140倍。
全自动高精度分割OCT中的视网膜萎缩与椭圆体区厚度：真实世界GA监测的可靠工具
提出全自动深度学习框架，高精度分割OCT中GA生物标志物（RPE/EZ丢失及变薄），Dice达0.88，ICC>0.98，可靠用于真实世界监测。
基于双流强化学习的令牌稀疏医学多模态推理
ViToS用双流强化学习裁剪视觉令牌，在医学推理中性能提升超100%，加速推理。
DPPE：重新思考基于相机的位置编码以扩展多视图Transformer
提出解耦姿态位置编码(DPPE)，解决扩大训练时性能停滞问题，实现稳定长时训练并提升泛化。
通过操作草图和自监督学习实现表格数据数值推理的泛化
TaNOS框架通过匿名化头部、操作草图与自监督预训练，提升数值推理跨域泛化，10%数据即达80.13%准确率，差距<2pp。
人类反馈如何塑造AI生成的社区笔记
分析19万+条反馈，发现事实修正建议最有效，人类反馈提升笔记质量，但协作笔记仍以补充角色为主。
基于大语言模型驱动的个性在应急模拟决策中的应用
利用大语言模型结合人格特质驱动虚拟人决策，显著影响个体和群体行为，提升模拟真实性与多样性。
LLM作为评判者在物理评估中的有效性更多取决于任务而非模型
LLM评分有效性取决于任务结构和人类基准可靠性，而非模型能力；结构化问题与编程题表现好，论文评分差。
ShardNet: 用硬非凸约束训练神经控制器
ShardNet通过可微投影层将硬非凸约束嵌入网络结构，实现安全与性能解耦，安全集扩大3倍以上。
用于生物特征验证的稀疏性诱导散度损失
提出Q-Margin损失，引入概率化边际，保持α-散度稀疏性，在生物特征验证中性能优异，尤其低假接受率下表现突出，训练高效。
曲率引导模块定位用于后门大语言模型的低秩解毒
提出曲率引导模块定位与低秩修复，抑制后门触发行为，保持正常性能，后门移除是局部结构修复。
在边缘检测音频深度伪造：浏览器插件中的轻量级SSL检测
提出设备端轻量SSL音频伪造检测，集成浏览器插件，准确率提升10%、速度提升40%，保护隐私。
稀疏层是扩展循环语言模型的关键
循环MoE模型利用路由分歧激活不同专家，扩展性优于标准模型，且早期退出点更优，兼顾效率与质量。
INFUSER: 影响力引导的自我进化提升推理能力
INFUSER通过影响力分数指导生成器产出对求解器有益的问题，迭代提升推理性能。
面向不可信AI智能体的认证推测执行
CGPA通过验证与保形校准实现零违规、遗憾降低三个数量级、2.96倍加速的认证推测执行。
学习多视图雷达语义分割的结构一致表示
提出可学习超图与最优传输对齐框架，捕获高阶依赖并融合多视图，提升雷达语义分割精度，在CARRADA和RADIal上分别达63.8%和83.4% mIoU。
探针选择改变金丝雀记忆判定：文本主导LoRA调优自回归测试平台中的三个事后分歧案例
固定窗口探针与全跨度秘密NLL及精确召回存在分歧，报告三个案例，建议全跨度NLL、局部分解、k>=4召回及诱饵探针。
压缩表示空间中的运动规划
在压缩自编码器的分层离散潜在空间搜索，实现灵活高效的运动规划，无需任务特定训练。
Preserve the Hard, Regenerate the Rest: Uncertainty-Guided Synthetic Training Data Augmentation with Diffusion Models
预算自适应路由：当强者已作答时跳过弱者
提出预算自适应路由，根据卸载预算选择跳过弱模型或条件推理，降低延迟且精度优于强模型。
GUI代理真正需要什么样的记忆？从被动记录到主动任务驱动状态
提出ATMem将GUI代理记忆从被动存储转为主动执行状态，通过STR-GRPO强化学习选择性使用记忆，提升长程任务可靠性。
从计算机系统视角理解与评估类爪代理安全
类比系统构建安全基准，揭示类爪代理70%攻击成功率，现有防御不足。
ElemeNet：跨周期表的多尺度分子机器学习与不确定性量化
ElemeNet是统一分子ML软件包，支持1-100号元素、多尺度模型与不确定性量化，有机/无机/生物数据集达SOTA。
基于多模态代理AI与主动波浪补偿的鲁棒自主无人机海上平台着陆
提出双DRL代理框架，实现无人机海上平台100%着陆成功率，高效稳定甲板水平。
Loc2Repair：评估文件级问题定位在仓库级LLM修复中影响的框架
Loc2Repair证明文件级定位可提升修复率（44.7%至52.4%）并降低平均耗时。
层次聚类：观测因果推断中多重共线性的创新解法
提出层次聚类缓解多重共线性，保留原始因果关系，市场营销案例验证有效。
LiteMatch：通过代价体稳定化的轻量级零样本立体匹配
LiteMatch以代价体稳定化实现轻量级零样本立体匹配，参数少、泛化强。
潜探揭示自动驾驶：内部预测误差与自我规划的联系
通过测试揭示自动驾驶策略中预测与规划的内在关联，指出近碰撞时预测不足，纠正错误预测可提升安全规划。
安全性与保真度的权衡：提示注入防御的隐性代价
防御LLM提示注入存在安全-保真权衡：抑制注入会损害必须保留文本的任务，无模型能同时兼顾，安全性仅衡量一半鲁棒性。
AI生成的PowerShell恶意软件：一个实验框架与数据集
提出评估LLM生成PowerShell恶意软件的框架、沙箱和数据集，发现真实与生成恶意软件事件相似度中位数84.5%，48.4%完全重叠。