超越标量敏感度：激活感知的混合精度LLM量化与跨层细化
提出CASA两阶段法，以激活感知度量替代标量代理，并用跨层局部搜索，显著降低超低位宽量化的困惑度。
PersonaWeaver：程序化角色生成中超越传统原型的可控多样性
PersonaWeaver将世界构建与行为设定解耦，借助道德立场与对话反应库，使LLM角色生成突破默认模式，分布更趋多样。
评估 SechKAN 在一维数据上的有效性
SechKAN以双曲正割为基函数，在一维分类任务上与MLP、CNN等对比表现具竞争力，Crop尤佳。
无需说服的一致：单轮辩论抹去验证所需的分歧
一轮辩论即让评审团趋同却未提高准确率，抹去验证所需分歧；应先验证，勿把辩论后一致当可靠证据。
当大数据变成诅咒：空间异质性与被动声学监测数据学习的局限
被动声学监测数据空间异质、部署聚集，随机窗口验证高估跨站点迁移，需依赖感知验证和独立空间采样。
面向持续文档编写的知识拉取请求
提出知识拉取请求框架，抽取声明路由至章节并标记冲突，生成变更日志，使持续文档修订可解释且信息更全。
通过在线序贯检验识别智能过程
将识别大语言模型形式化为外层探针设计与内层序贯识别，用加权集合覆盖选探针，并界定识别所需评估次数。
测量的是服务栈而非模型：本地工具调用评估中的隐藏混杂因素
本地服务栈的模板门控与错误处理会左右工具调用评估，可致误判0%保真度，须纳入评估协议。
AURA：面向复值神经网络训练的角更新率自适应
AURA为复值神经网络提出逐参数步长自适应，按相邻复数更新一致性增减步长，可叠加于任意一阶优化器提速收敛。
扩散草稿，自回归验证：以自推测解码加速文档 OCR
GravityOCR以扩散起草、自回归验证加速文档OCR，端到端提速1.32倍。
GeoPair：面向免训练 Transformer 压缩的几何保持跨层因子分解。
免训练GeoPair优化跨层权重配对与共享字典分解，保持各层几何，结合结构化稀疏实现高效模型压缩。
守恒的代价：精确支撑生成的协调—记忆定律
加性守恒下精确支撑生成中，协调成本由守恒差游走谱决定，在线记忆可替代前置协调。
使用可解释的风格计量特征检测GPT辅助写作
可解释文体特征可区分学生独立与GPT辅助写作，随机森林ROC-AUC 0.87，词汇语法特征主导。
VACS：面向多智能体推理的价值对齐组合式屏蔽
提出VACS四层框架，对齐智能体价值、组合安全防护与冲突消解，提升准确率并降低逻辑不一致。
强大而简约：提取与刻画前沿模型中的隐藏思维链
通过API工具诱导前沿模型外化隐藏推理，其表现媲美原生CoT；Astra更高效定向，仅外化关键步骤。
FedMust：面向多器官CT分割的半监督多任务学生-教师联邦学习
提出半监督联邦多任务师生框架，利用标注与未标注数据提升多器官CT分割，平均性能增益13%。
基于目标导向智能体AI的泛在机器人用户自助维修探索
提出目标导向智能体AI，将自然语言转为分层目标，助非专家用户自助维修泛在机器人，完成率达95%。
基于动态与不确定性感知的树状高斯过程分类器的视频手术技能评估
融合表示流CNN与动态不确定性感知树状高斯过程分类器，设计语义感知复合核，手术技能评估准确率达96.9%。
SpeakerMem-R1：以说话人为中心的双轨记忆，面向多方对话
SpeakerMem-R1提出以说话人为中心的双轨记忆，融合逐字消息与结构化状态视图，提升多方对话归属与关系理解，多项基准领先。
EADC：大语言模型高级与深层合规性评估
提出EADC基准，基于合规知识图谱与专家构建4435+问答，揭示大模型深层合规盲点。
将边缘分布交织为多变量样本路径：面向概率时间序列基础模型的免训练依赖构建
免训练耦合冻结TSFM边缘分布为多元样本路径；历史时序与通道关系提升依赖诊断，依赖重建可作独立后处理。
探索神经网络验证的求解器级热启动
神经网络验证的求解器级热启动：利用历史解，在多数场景显著缩短验证时间，并可解出从零开始超时的实例。
自由配方极限：每个配方效应都在度量理想化学习者的哪条前提失效了
微调显示：配方搜索受可达集直径与分辨率限制，顺序效应不稳健，一致性是系统变量，规模是唯一可靠收益。
超越重复采样：为LLM推理学习搜索策略
训练小概念生成器作搜索策略，通过强化学习为大模型生成多样概念，提升困难推理并跨模型迁移。
Agensh：将组织智能扩展至1024个智能体
Agensh是无中心编排器的自组织多智能体框架，扩展至1024个智能体可显著提升复杂任务通过率。
高分辨率二氧化氮地图揭示欧洲暴露限值超标情况
机器学习绘制欧洲逐小时10米级NO2地图，发现91个监测达标区日均限值超标，约2000万人受影响。
TREND-10K：基于偏好驱动媒体的下一代视频质量评估综合数据集
提出TREND-10K，含1万视频，覆盖趋势与静态内容，支持技术、美学与AIGC痕迹三维VQA评估。
Flash-dLLM：面向快速、内存高效扩散大语言模型的I/O感知KV缓存与并行解码
免训练Flash-dLLM融合I/O感知KV缓存与并行验证解码，提升扩散LLM速度与内存效率。
Ev-YOLO：通过统一证据建模实现不确定性感知的目标检测
Ev-YOLO将分类与框回归统一为证据框架，输出可解释不确定性；精度相当且定位不确定性可识别错误检测。
MiTHras：面向核分裂象分析的任务特定分层半监督对比掩码自编码器
提出MiTHras，结合伪标签引导图像/令牌级对比学习与掩码重建，在核分裂象分析中表现领先，表征稳健可迁移。
BOBA：基于贝叶斯主动推理的动态贝叶斯优化
提出基于主动推理的BOBA采集函数，降低动态环境未来不确定性，提升移动最优追踪，查询受限下降低遗憾。
当验证器在裁决替换下反向投票：相关自洽性中的有符号枢轴值
裁决替换下验证器会反向投票；关键增益符号由状态准确率决定，强验证器受益、角色反转受损。
拟正则神经学习的动力学
神经网络可部分习得例外，继而回归主导规律、最终恢复；例外稀少时过度正则化更强。
什么造就了优秀的医学图像分词器？重新思考医学图像分词中的重建与生成
系统评测医学图像分词器，发现重建与生成强相关、隐空间利用率低、记忆轻且随压缩减弱、离散量化多保分类（查表法除外）。
ReSTI：基于源数据的 STI-Bench 审计与修复
审计STI-Bench发现坐标系、时间戳等错误，ReSTI基于源数据修复，保留1782题、排除282题。
群胚等变神经网络理论：一种有界域上的可操控 CNN 方法
提出群胚等变网络与双截面等变核定理，用于有界域可操控CNN；对称不可全局群作用时精度提升至少一个数量级。
GraphSVR：面向扩散MRI的q空间感知图神经网络切片到体积配准
GraphSVR：q空间感知图神经网络，实现扩散MRI四维切片到体积配准，严重运动下误差降73%。
基于关系锚定的自动驾驶潜世界模型
以交通场景图为语义监督对齐潜表征，推理时免图、免3D标注，轨迹误差降5.9%，碰撞率降52.4%。
针对哪个 Oracle 认证？执行标签决定 Text-to-SQL 共形弃权所报告的风险
共形弃权风险取决于校准基准；换严套件暴露风险低估，专家标签名义0.1实达17–20点，须双基准并审计
超越统一子空间：面向多任务模型融合的谱感知与深度自适应融合
提出SADA-Merging：按谱复杂度分配子空间容量，依可塑性保留谱信息，深度锚定补偿投影失真，实现免数据多任务融合。
FISSION：面向机器人检测的标签增强
FISSION将账号活动拆为正标签子账号生成标签，训练模型检测，在维基傀儡与X机器人上超越先前方法。
MICRO：面向严重错误发现的多保真主动搜索
提出MICRO多保真主动搜索框架，用低成本评分辅助高成本标注，经聚类与推演最大化严重错误发现。
xWhyL：因果交互学习
提出xWhyL框架，将解释转为因果学习信号，证明可拒绝错误解释，并用CIL支持因果发现。
干扰的来源至关重要：自适应调节中的外部、内部与控制生成噪声
干扰来源与时机决定暴露和调节负担：持续内部干扰影响最大；控制干扰成本升高致非单调响应并抑制纠正。
面向自适应联邦图聚类：一种基于全局社区感知对比学习的方法
提出AdaFGC，用全局社区锚点与对比学习实现自适应联邦图聚类，应对子图异构和簇数未知。
用于增强短期径流预测的多时间步LSTM集成回归器
提出多时间步LSTM集成回归器，经PSO优化预测阿吉柴河日径流，R²达74.95%~91.42%。
Qwen-Audio-3.1-Realtime：迈向可靠的智能体语音交互
融合思考、行动与表达协调，任务成功率提至82.0%，背景语音误响应率降至13%。
与人类对齐的模型是人类模型吗？偏好对齐中的图灵测试差距
偏好对齐未必使模型更像人类；偏好与行为对齐存在图灵测试差距，人类似然随偏好权重增强而下降。
RCShift：认证部分链接何时足以支持有限样本决策
RCShift在观测契约下认证部分链接足以支持有限样本决策，并将存储转化为决策校准的测量设计。
双前沿：智能体何时能信任其世界模型？
提出“双前沿”原则：仅当预测优势超过世界模型误差认证界时才采纳决策，否则转为模型验证，保证回报不降。