Muon 的收敛性保证：新的参数范围与推广
首次证明 Muon 渐近收敛，揭示其预条件重球法本质，并推广至 Muesterov。
自监督表示学习：从光谱基础模型到极光发射光谱
用22.3万条无标注极光光谱预训练一维ViT，少量标注即恢复谱线强度比并超越监督分类。
我行动故我在：JEPA的动作条件何时足以学习因果机制？
探究JEPA何时能从观测中恢复潜在因果状态，提出条件似然与熵最大化的信息论目标及可识别性条件。
统一多模态模型中理解能否赋能生成？从分析到前行路径
提出UniSandbox解耦评估框架，揭示统一多模态模型存在理解-生成鸿沟：显式思维链可弥合，自训练可将其内化，为架构设计提供启示。
用于医学图像分析的量子扩散模型
提出可扩展混合量子扩散模型，以离散时间量子游走实现前向扩散，经典模型反向去噪，可处理大规模医学图像。
ALF：面向科学发现的主动学习框架
ALF是模块化主动学习框架，通过五个组件覆盖完整数据获取闭环，同时支持离线基准测试与在线真实部署。
TempQ-Jail：面向文本到视频越狱攻击的查询受限候选排序
该法将T2V越狱建模为查询受限候选排序，融合多机制评估攻击价值，有限查询下优先输出高价值攻击，提升成功率。
普适漂移校正用于多维扫描显微术
将二维正交扫描漂移校正扩展至光谱与衍射多维数据，结合仿射与非刚性校正，无需先验模型，开源GPU加速，实现自动化定量显微漂移校正。
面向低延迟音视频目标说话人提取的个性化语音增强适配
AV-PVQE基于个性化语音增强，融合嘴部特征微调，低延迟提取目标说话人，混淆率46%降至1.6%。
面向冻结口袋条件分子扩散的预算化商残差引导
提出预算化商残差引导（QRG），无需重训，按采样步长在推理时注入距离、接触等商目标，提升冻结分子扩散生成编辑质量。
评估即一切：通过评估设计策略性夸大大语言模型推理能力
研究揭示推理模型基准评测易受细微条件影响而大幅波动，性能提升难复现，呼吁更严格评测范式。
基于排序偏好的时序投票比例代表制
研究排序偏好时序投票的比例代表，建立公理层级，探讨截止方式与未来信息对保证性的影响。
主动消解自然语言中欠指定任务的上下文不确定性
提出CLUE框架，用大模型策略与在线语言地图闭环交互，主动消解欠指定任务的上下文不确定性，真机成功率近最优。
AcuityBench：评估临床紧急程度识别与不确定性对齐
AcuityBench评测模型识别临床紧急程度与不确定性对齐，含914例四级分诊，揭示格式权衡。
FeatMark：面向扩散模型模仿攻击的特征级水印保护
FeatMark将水印转为语义微特征，经掩码引导编辑注入，可抵御多种去除与自适应攻击，兼顾保真与鲁棒性。
主体，而非作者：智能体数据空间中的作者身份风险
智能体应为治理主体而非作者；须关闭其发布授权、仅允许草拟，以防授权逆转与敏感字段泄露。
面向表格基础模型的注意力机制基准测试
构建可复现基准，评测多种注意力后端在表格行/列注意力上的吞吐表现，发现最优后端随硬件与维度变化。
动态张量重计算中的确定性机制切换与可行性反转
DTR模拟器中，内存预算微变即可致确定性性能骤变（开销差7.3倍）和OOM可行性反转。
FlyAOC：评估果蝇科学知识库的智能体本体策展
提出FlyAOC，评估AI智能体策展果蝇本体注释，含100基因7397条注释，暴露系统级失败。
面向输出头量化的 Softmax 重参数化
提出 Softmax 重参数化，量化前选取等效输出头，显著降低 W4/W2 量化 KL 且几乎不增推理开销。
Combee：面向自我改进语言模型智能体的提示学习规模化
Combee 提出并行提示学习框架，结合并行扫描、增强混洗与动态批大小控制，在高并行下避免质量下降，最高提速 17 倍。
利用预训练扩散模型和多模态条件增强摄影测量数字表面模型
用预训练扩散模型和多模态条件精化摄影测量DSM，融合卫星影像，减少噪声空洞并显著降低城市高程误差。
使用对比学习方法理解扰动参数集合的敏感性
可解释对比学习模型将云与辐射场映射到共享表征空间，区分不同微物理扰参集合，并归因模型与观测差异。
FlatClip：用于fMRI表征学习的几何感知表面级基线
FlatClip以几何感知flatmap复用冻结图像编码器，构建ROI与体素模型间的折中基线。
面向上下文感知 XR 接口的基准测试框架
提出 ContextXR 框架，将 XR 应用建模为功能面片图，构建数据集并定义三项上下文建议任务，以导航搜索代价实现可复现评测。
UniPrefill：基于块级动态稀疏化的通用长上下文预填充加速
提出UniPrefill通用预填充加速框架，通过块级动态稀疏化实现token级加速，兼容vLLM，TTFT最高提速2.1倍。
用于大语言模型推理的逐步内在奖励
提出逐步边际信息增益内在奖励，无需过程标注，在多基准提升大模型与视觉语言模型推理。
AI生成代码中偏见的识别、分类与解释框架
研究提出偏见分类框架与标注数据集，评估LLM识别与解释AI生成代码偏见；模型检测有效，解释贴近专家。
渐进式记忆Transformer：面向时间序列的记忆感知注意力
以可写窗口记忆为Transformer暴露多尺度表征，用局部、中程、全局三级目标监督，低标签分类与预测表现优异。
探索视觉基础模型在无监督域适应中的优势
视觉基础模型与无监督域适应结合，可提升语义分割性能与分布外泛化，并显著加速推理。
不同损坏，不同信号：联邦数据质量中的不确定性与损失
联邦学习中，标签翻转靠预测损失，图像噪声靠熵不确定性；信号应与损坏类型匹配。
RECAST：从日志回放到视图完整参与者的闭环驾驶仿真
RECAST用3D高斯泼溅从单帧观测生成视图完整演员并注册入场景，支持闭环仿真，大幅提升无碰撞率。
差分注意力解锁用于情感识别的脑电与语音互补融合
差分注意力抑制脑电噪声，实现脑电与语音互补融合，情感识别最高提升12.9%。
解剖结构感知与灵巧性驱动的手术连续体机器人设计优化
提出RVDSA指标，兼顾解剖与灵巧性优化连续体机器人设计，结肠手术中灵巧性平均提升78%。
Depth-adaptive Inference of Looped Language Models via Continuous Depth Batching
以端点约束轨迹优化引导端到端驾驶模型
提出ECO后处理层，固定预测端点并重塑中间路径点，无需额外训练，显著提升多种端到端驾驶模型的闭环性能。
LUCID：混杂环境下时间序列的推断与发现学习
LUCID提出谱路由自适应去混杂层，可包裹现有因果发现算法，基准图F1达0.60，超最佳基线0.19。
基于多实例学习的胎儿超声先天性心脏病全检查筛查
两阶段多实例学习框架直接对胎儿超声全检查筛查先心病，内部AUC0.985，外部适配后0.944。
ChronoFuseGS：具有逐Splat持久性与变化可视化的多时相高斯融合
提出多时相高斯融合方法ChronoFuseGS，合并各时相独立训练模型，支持增量扩展与子物体级变化可视化，新视角合成优于单时相模型。
通感一体化中统一语义通信与语义感知的自适应导频选择
提出SemISAC，在统一双功能波形中融合语义通信与语义感知，自适应优化导频以平衡二者，性能优于基线。
Werracle：面向 EVM 智能合约的亚美分、块内 AI 反射预言机与闪电贷断路器
Werracle 为单槽零存储链上 AI 预言机，21,438 gas、亚毫秒响应，可在块内防闪电贷等攻击。
更多传感器，只需一个场：重新思考持续时空预测
提出STFO，以共享场演化算子统一建模，借观测与查询接口适应传感器扩展，持续时空预测性能领先。
评估即一切：面向多模态自动驾驶
iDriveVLA以统一评估器和渐进训练缓解生成-评估不对称，NAVSIM达94.95 PDMS。
基于视觉的机器人布料展开六自由度抓取位姿估计
提出CeDiRNet-6DoF框架，联合预测最优抓取点与完整6自由度位姿，实现机器人布料展开，性能达最优。
InternW0-Δ：以超2万小时开放数据连接预测动力学与动作的世界动作模型
InternW0-Δ统一世界动作模型，以MoT融合视觉动态、语义与4D先验生成动作；构建2万+小时开放数据，仿真与真机表现领先。
TemplateCraft：智能体驱动的视觉模板生成
提出多智能体系统TemplateCraft，可将自然语言指令转为可执行视觉模板，提升生成成功率与风格一致性。
跨训练的可解码上下文状态与模型输出
追踪跨训练探针与输出：探针准确率随预训练上升，引导收益增大；信息论反例：错误可解码≠输出信息被弃。
评估KV缓存复用技术的准确性
现有KV缓存复用评估未准确衡量精度损失，数据集也缺乏复用动态；提出评估方法与Boxoffice工具。
桥接身体与大脑：基因驱动的形态—控制协同设计
受基因启发，以紧凑潜蓝图桥接身体与大脑，协同探索形态与控制，收敛更快、性能更高。
Brenier 邂逅对抗训练：鲁棒学习的最优传输几何
把惩罚型DRO化为传输映射优化，证明最优映射循环单调，据此提出两种对抗训练方法，鲁棒性优于基线。