通过经验回放和模型汤对IndicTrans2进行21种印度语言的对话领域适应
使用经验回放和模型汤，IndicTrans2在21种印度语言对话chrF提升6.2，通用领域无下降，但人类评估未确认质量改进。
面向高斯过程回归的主动量子核获取
提出基于任务灵敏度的非均匀shot分配方法，实现10–21%测试RMSE提升。
世界模型中预测的路径空间公式：从单一行动到预测、规划与不可逆性
提出世界模型预测的路径空间公式，统一预测、规划与不可逆性，发现注意力不对称性反映数据不可逆性并影响长期预测。
多表问答中的潜在桥接方法
GRAB管道通过图编码和潜在桥接，为冻结的LLM提供紧凑结构表征，高效提升多表问答性能。
层次化决策与结构化策略：基于逆优化的原则性设计
采用逆优化构建层次化决策框架，融合高层目标与底层策略，有效提升资源分配和碰撞避免任务的效率与决策质量。
基于反事实视觉基础不确定性检测LVLMs中的临床幻觉
通过反事实实体扰动对比事实与反事实定位结果，检测LVLM幻觉，提升性能并提供可解释定位。
大语言模型能公平招聘吗？简历筛选中的种族偏见
2024年后大语言模型招聘偏见方向逆转，从偏袒白人转为偏袒黑人或无偏见。
JuZhou 1.0技术报告：首个完全在中国自主研发AI加速器上训练的、原生于边缘设备的文生图基础模型
JuZhou 1.0是首个纯国产AI加速器训练的轻量边缘文生图模型，0.387B参数，4步推理1.6秒，GenEval 0.69超SDXL。
FinInvest-GTCN：面向风险感知投资决策优化的可解释图-时间-因果建模
提出FinInvest-GTCN模型，结合图-时间-因果网络与元因果适应，实现可解释风险收益评估，RA-MSE降至2.51，累计回报提升18.7%。
CLEAR-MoE：通过校准驱动层选择从冻结视觉Transformer中提取共享基专家
CLEAR-MoE将冻结ViT转为MoE，共享SVD基保持99.9%精度，路由几乎不影响性能。
A3M：面向重复拍卖中战略竞标的自适应、对抗性及多目标学习
A3M框架融合深度强化学习与对抗推理，通过多目标奖励设计实现自适应竞标，遗憾值降低30-40%，鲁棒且可扩展。
HARD-KV：面向解码时KV压缩的头部自适应正则化
HARD-KV通过级联缓存与对数几率校准，解决静态-动态不匹配，实现2倍吞吐量且保持高保真生成。
MammoFlow：基于解剖一致性流匹配的多视角乳腺X光图像合成
提出MammoFlow，利用视角几何关系与对齐模块生成物理一致的多视角乳腺图像，提升分类AUC 5%。
论设计无偏的算法机器学习
探讨在有限总体中，基于抽样设计而非模型假设，实现算法机器学习无偏预测与评估的条件。
超越均值：基于小型试点数据的LLM调查模拟器三维保真度对齐
微调小样本可平衡三种保真度，但保真度因子样本而异，挑战多元对齐。
面向农业应用的通用大语言模型微调：基于Qwen3-8B的可复现框架与评估协议
提出AgriTune-R框架，基于Qwen3-8B集成数据治理、微调、RAG与专家评估，为农业LLM适配提供可复现基线
KM-Speaker：基于关键点的风格控制，用于高质量语音驱动3D面部动画与对话定位
提出关键点条件流生成框架，分离唇动与上半脸动态，实现高保真运动与灵活控制，超越现有方法。
BERTomelo：你的葡萄牙语编码器最佳伙伴
BERTomelo基于ModernBERT架构，在106M文档的葡萄牙语语料上预训练，显著优于此前模型，提供高效替代方案。
数字化教练智能：基于VLM和RAG的整体运动员画像智能体框架
提出混合智能体框架，结合CV与VLM，通过智能分块和自纠错实现自动化运动员评估，支持自然语言查询。
DataComp-VLM: 改进的视觉-语言模型开放数据集
DCVLM基准：指令密集型数据混合比过滤更关键，8B模型达63.6%准确率，领先FineVision 5.4个百分点。
生成式学习：提升情感身体动作表达感知的工具
生成模型能隐式学习情感身体动作，并用于增强情感识别、提取代表性动作模式及合成情感强度平滑过渡。
闭式最速下降方向朝向平坦极小点：减小神经网络损失Hessian特征谱上界
首次提出闭式梯度，沿WS上界最速下降方向更新参数，缩小Hessian特征谱，收敛平坦极小点。
熵正则化强化学习在机制转换跳跃扩散过程中的零和随机微分博弈
引入分布控制对抗参数误设与结构突变，建立熵正则化零和随机微分博弈强化学习框架，推导HJBI方程并开发Actor-Critic算法，应用于投资博弈。
SIGNET：用于跨语言手语翻译的动作级知识迁移
SIGNET框架通过动作级知识迁移实现跨语言手语翻译，利用注意力机制融合多专家，在多个基准上达到最优性能。
Animation2Code：评估视频到代码生成中的时间视觉推理
新基准Animation2Code评估视频到代码推理，发现模型外观匹配好但时间一致性差。
面向联邦类增量学习的Fisher路由专家混合模型
通过Fisher路由专家混合，自适应选择专家子集，解决联邦类增量学习的容量冲突、遗忘与异质性，理论收敛且性能领先。
IMU-HOI：通过接触感知的惯性融合实现一致的人-物交互与运动捕捉的共生框架
提出IMU-HOI框架，利用稀疏IMU联合推断人体姿态与物体轨迹，通过接触感知融合提升交互场景下的运动捕捉精度。
临床证据的强度可从语言模型表示中恢复，而非从其陈述的等级中
临床LLM内部表示可反映证据强度，但陈述等级不可靠，性能比估计器低25-27个百分点。
MALOQ: 量子输运算子的海量加速学习
基于SO(2)-等变架构，MALOQ高效预测DFT哈密顿矩阵，训练时间减少30%，支持大规模材料图推理。
AB-RAG：自适应预算检索增强生成以实现可靠问答
AB-RAG无需训练，融合三重信号估计置信度，自适应预算检索，高效区分正误答案，高置信准确率57.6%，低置信0%。
ReGuide：从测试时引导到自我改进的扩散策略
ReGuide利用分阶段条件引导生成纠正轨迹并吸收为训练数据，将扩散策略成功率提升1.3-7.7倍。
基于弱监督的机器学习驱动LDAP侦察检测
用弱监督ML框架检测LDAP查询，分类器真阳性率65%，签名精确率81.48%，成本低、效率高。
如何利用合成语音优化基于LLM的ASR系统？
分析合成与真实语音差异来源，发现RIR增强配合层选择模块，仅用25%真实语音即达全数据基线性能。
Meshtryoshka: 通过网格光栅化实现真实场景的可微分渲染
提出嵌套网格壳可微分渲染框架，兼容现成光栅化器，适用于无界真实场景，质量接近非网格方法。
掩码扩散解码作为x预测流
将掩码预测重释为x预测，用连续解码框架和置信度异步更新，结合强化学习策略网络，以25%解码预算达到97%性能。
面向基于图神经网络的云网络安全异常检测改进
用图神经网络自监督学习分析云日志，动态生成异常分数，将告警量从数千降至约1条/小时。
AEGIR：使用高斯点云对室内逆渲染中的面光源建模
AEGIR显式建模面光源，结合可微延迟渲染与多重要性采样，实现准确局部光传输与更一致的材质光照分解。
DLR：零推理成本的潜在残差用于低秩预训练
提出DLR插件，零参数提升低秩预训练质量，训练后无损融合，不增加部署成本。
ThinkProbe：超越准确率——通过非生成式思维图对开放式大语言模型推理轨迹进行结构化剖析
ThinkProbe将推理痕迹转为思维图并提取五维认知轮廓，发现模型间差异远超领域差异，结构维度揭示准确率无法反映的认知特征。
多智能体路由作为集值预测：WildChat基准与成本感知评估
提出WildChat多智能体路由基准，评估表明监督路由优于零样本LLM，微调编码器精度最佳，加权路由改善成本-准确率权衡。
遗忘咒：从自回归图像生成模型中擦除概念
提出Obliviate方法，通过KL监督、轨迹更新及对齐前缀，有效擦除自回归图像生成模型中的有害概念。
A Comparative Study on Affective Cues in Text Embeddings Across Psychological Emotion Theories
基于物理的解耦流建模用于脑疾病进展轨迹
提出PDF框架，解耦脑病变形态与强度演化，引入PDE正则化，实现最优预测。
进化微调：在371个优化任务中学习发现
进化微调通过搜索轨迹监督训练LLM，实现跨任务进化，在22个任务上平均提升10.22%。
随机动态系统中Adam算法的分析
针对时变非平稳系统，建立Adam算法理论，推导误差界并指导超参数选择。
FedLAS：用于神经网络校准的特征调制双向标签平滑
FedLAS通过特征调制双向标签平滑，检测并调整样本的过自信与欠自信，提升神经网络校准效果。
传染张量：多智能体大语言模型中输出-分布耦合的测量框架及审计其主张
提出传染张量及耦合放大因子CAF，通过仿真和实验验证图像条件超线性效应，提供可迁移消融协议。
拟人化语言如何影响公众对人工智能的认知
实验表明拟人化语言对公众AI感知影响有限，但长期或自然情境下可能有潜在效果。
SemDynReg：语义引导的动态3D高斯溅射变形正则化
提出语义引导的物体级变形正则化方法，提升动态场景渲染一致性与质量。
中文标题
集成机器学习和层次方差分解的学生成绩预测与元认知校准管线