孟加拉语转写段落中的颜色无关词分割
面向手机拍摄手写孟加拉文，构建含阴影干扰数据集，实现颜色无关词分割，F1达91.2%。
让稀疏奖励发挥作用：面向多奖励强化学习的密度感知奖励聚合
提出DARA，依活跃组密度反比加权聚合多奖励，加速工具调用与数学推理学习。
CineMR：面向定量心脏磁共振评估的工具集成视觉语言推理
CineMR以工具增强视觉语言推理，调用分析工具完成定量Cine CMR评估，显著优于现有模型。
RSNA颅内动脉瘤（RSNA-ICA）数据集
RSNA联合多学会发布RSNA-ICA大型公开数据集，含4278例患者的7202个CTA、MRA及MRI序列，用于AI颅内动脉瘤检测与定位。
声誉、策略与情绪对生成式AI合作的影响：推理模型与非推理模型的比较
声誉、策略与情绪共同影响生成式AI合作；推理模型更倚重策略与声誉，情绪作用更具条件性，末轮行为各异。
基于语义RGB-Depth的显微立体视频手术技能评估
融合立体与单目深度的语义RGB-Depth框架，结合器械与解剖语义流及层次注意力，实现显微立体视频手术技能评估，F1达0.938。
随机递归模型
提出随机递归模型RRM，从层池随机采样执行递归，参数更少，性能匹配或超越基线，推理时可调深度并提升表现。
ARCCS：自动化监管合规检查系统
首个开源端到端合规检查系统，分解条文并凭证据评估；GDPR一致率96.67%，采购违规检出98.8%。
OptimusMesh：通过稀疏潜在枢轴从点云生成紧凑自回归网格
OptimusMesh将点云压缩为16个稀疏潜在枢轴，两阶段自回归直接生成紧凑三角网格，面数减少25.7%–94.1%，几何保真度具竞争力。
基于训练动力学动作的一步生成建模
TDAction按共享参数实现代价选择传输目标，兼顾分布进展，ImageNet无蒸馏FID<1.1。
联邦智能体优化
提出联邦智能体优化，使分布式智能体在保留本地隐私数据下受控交换信息、协作提升，并平衡效用、隐私与通信成本。
SimplexUQ：面向单纯形值预测的共形不确定性评估框架与基准
首个单纯形值预测共形不确定性基准，用12项任务比较现有包装器的覆盖分配，揭示全局校准不均且无普适最优。
评估面向纵向临床笔记的大语言模型问答中的生物医学重排序
生物医学重排序提升临床笔记检索Hit@10（46.6%→60.6%），答案正确率仅微增至48.6%
什么能赢得一票？法国Compar:IA大语言模型竞技场中的格式、长度与词汇多样性
13.7万法语投票：格式、长度与词汇多样性影响胜负；调整排名变动大却未更准，宜并列原始与调整排名。
在线非单调DR子模最大化的几何相关界
研究在线非单调DR子模最大化，给出几何相关上下界，将系数提升至4/9，并刻画最优缺口。
AI 生成的科学文本是否遵循人类论证模式？——基于 CARS 模型的研究论文引言对比
人类写的研究引言在论证步骤的选择与顺序上更灵活，AI 生成文本更统一；给出 CARS 定义后 AI 反而更僵化。
冗余遇见协同：基于子模优化的MoE依赖感知专家选择
提出DS-MoE，以差子模优化实现MoE依赖感知专家选择，平衡冗余与协同，性能优于基线。
面向本体网络构建的LLM辅助类型化语义链接发现
结合嵌入聚类预筛与GPT-4o提示生成类型化语义链接，80万概念对缩至9.5万，精度80.19%。
正确答案，错误状态：多智能体协作中的隐藏信息失效
多智能体协作常以答案正确为成功，却忽视信息状态损坏；证据验证与状态重建远低于任务解决，所提方法可改善。
SHAMS：面向黎凡特阿拉伯语的音频锚定发音基准
SHAMS：覆盖五种黎凡特阿语变体的1300条语音基准，四层对齐，支持发音与语音识别评测。
AutoGUIWorld：将图像生成器作为GUI智能体的视觉世界模型
无需部署软件，用图像生成器与规划器合成GUI交互轨迹，微调后显著提升OSWorld与ScienceBoard任务表现。
ProtoFlow：用于多变量时间序列预测的原型引导流匹配
ProtoFlow以VQ码本为原型先验，用DiT修正流实现高效非自回归多变量时间序列预测，性能领先。
什么让事物变得更难？用自然语言解释问题难度
从大模型回答中估计题目难度，自动生成并验证自然语言假设，解释题目为何更难，预测力强且具因果性。
EgoFound3R：基于逐点交互属性的端到端世界空间第一视角手部重建
EgoFound3R 以端到端统一模型在世界空间重建第一视角手部几何，并同程预测逐点可见性、接触与距离，精度显著提升、吞吐约 6 倍。
学习提问：预算约束下面向SLM-LLM协作的信息获取
将SLM-LLM协作建模为预算受限的信息获取：SLM按需向黑盒LLM发问，三阶段RLVR学习何时调用、如何提问与整合，优化性能成本权衡。
ORBIT-FMIB：通过ESM-2追踪按阶数解析的上位性信息
ORBIT-FMIB用Walsh分解与神经依赖估计，探测ESM-2各阶上位性信息；复现显示高阶保留差异不稳健，结论未定。
审计规则如何塑造大语言模型中忠实的因素解释
报告依赖型审计会激励大语言模型隐瞒重要因素，加入报告无关的审计成分可促使其如实汇报。
MIKASA-Robo-VLA：面向长时程操作的VLA模型记忆能力基准测试
VLA长时程操作记忆基准：90任务多隐藏线索，28个信息间隙超16帧，2.25万条轨迹，基线成功率0.211。
无需等待的反馈：在大型数学课堂中试点生成式AI练习平台
设计生成式AI练习平台，在大型数学课中即时提供支架式反馈，将人工监督前移至答案预先核验。
DeFA：面向LLM智能体的依赖引导式故障归因
DeFA以事件依赖图与故障传播图定位智能体决定性错误，多项基准达最优，其诊断反馈还能提升下游任务精度。
面向动态推理的修订感知独立智能体图
提出RIAG多智能体策略，分离时间解析与推理，缓存并条件审计修复，动态路由准确率显著优于基线。
面向智能交通系统与物流的可信数据运维与机器学习运维
综述智能交通与物流领域的可信DataOps与MLOps，探讨其工具、案例、AI可信方法及未来挑战。
人格设定仍在，但究竟是谁在说话？持久化AI智能体中的潜在身份回退
失去系统人格锚定后，常驻智能体可潜在回退为底层身份；历史仍含人格却未必践行，需锚定与对话维持。
重尾噪声下的线性系统学习：基于单条轨迹的非渐近分析
重尾噪声下，基于单条轨迹给出指数稳定线性系统最小二乘估计的非渐近误差界，并推广至次高斯与次指数噪声。
右对齐原地（RiP）卷积：一种简单、通用且近最优的内存高效CNN推理策略
提出RiP卷积，纠正并泛化原地卷积，近最优省内存，峰值激活内存降12.5%–33.3%且输出不变。
第二个模型何时有帮助？LLM验证中的跨模型审查
跨模型审查与同模型F1无显著差异，发现错误部分不同；同模型加跨模型优于两次同模型，但未显著优于强跨模型两次。
SCOPE-AD：面向诊断智能体的基于能量模型的序贯成本感知序数信念规划
SCOPE-AD用能量模型规划成本感知序贯检查，在ADNI以50.46美元成本达77.70% Macro-F1，超基线9.34个百分点。
学习恒等映射：SGD 如何选择函数分解的案例研究
深度线性残差网络学恒等映射时，SGD偏好特定层分解而非零权重；熵损失可解释，重参数化改变结果
一种面向动态场景的紧凑显式4D表示
提出Sparc4D，将单目视频编码为稀疏4D状态，压缩动态特征，重建质量优且紧凑，可迁移。
DAYJOB：长周期专业工作基准测试
DAYJOB 基准涵盖医疗与金融共130项长周期专业任务，最强模型通过率约24%，中位配置不足3%。
GAW-PO：基于梯度对齐词元权重的偏好优化
GAW-PO按梯度对齐度重新加权被拒词元的负向惩罚，在11项基准上超越DPO，且对强偏好优化更稳健。
对 WebArena-Lite 上网络智能体评估的审计：对结果与轨迹的人工复核
人工复核165项任务，纠正自动评估漏判5–8个百分点，发现滚动循环等失败模式，最终分数不足以评估智能体。
问卷引导的家庭智能电表数据电器用电分解
提出问卷引导的无标签分解系统，将智能电表数据分为9类电器，在多数据集上误差最低，并给出节能建议。
基于动态归航优化的三维网格生成流匹配强化学习
提出动态归航优化DHO，将负轨迹优化转为正样本吸引引导归航，构建Flow3D-Pro提升3D网格生成质量。
探索更多，推理更佳：面向扩散语言模型的逐步风险敏感GRPO
提出StepRS-GRPO，随去噪状态调整风险系数，提升扩散语言模型数学推理准确率、覆盖率和多样性。
低损失区域错位导致Grokking
本文提出低损失区域几何框架，发现训练与验证的低损失区域错位导致Grokking，并给出反例。
STAGE：面向文本到3D模型的子空间靶向仿射生成擦除
免训练闭式分阶段文本到3D模型概念擦除：按类型校正结构/外观，TRELLIS得分66.7胜53.2。
ITC-MoE：面向MoE扩散语言模型的重要性引导Token感知压缩
提出ITC-MoE，结合重要性引导Tucker压缩与Token感知补偿路由，降低MoE扩散语言模型开销并保持生成质量。
群不变统计决定嵌入几何：从巴赫到夜空的表示调和分析
群不变共现统计决定嵌入几何：表示由不可约表示矩阵元构成，统一解释月环、五度圈与天体球谐。
无需模型：文本熵率过滤缓解迭代微调坍缩
无需模型，文本熵率过滤缓解迭代微调坍缩：六代实验显著提升合成数据多样性、降低重复，优于对数概率过滤。