CogGym：迈向人类与机器认知的大规模对比评估
CogGym标准化258个认知实验，评估50个大模型：模型越大越像人，但常识推理提升远慢于数学编程。
REFINEPPO：通过迭代动作细化学习连续控制策略
提出迭代动作细化并融入PPO，在14个连续控制任务中匹配或超越PPO，部分收敛更快。
PhysioBench：面向生理信号问答的统一基准
提出PhysioBench基准，整合22个数据集为30项任务、6140万问答，评测21个模型均难跨模态稳定领先。
面向情感认知诊断的能力-残差解耦建模
提出能力-残差解耦框架，显式建模认知残差以抑制情感污染，提升认知诊断预测与情感对齐。
SafeStyle：用于扩散风格化中可控风格-泄漏权衡的校准式风格残差注入
免训练的SafeStyle框架通过校准风格残差注入，分离风格与内容子空间，有效平衡风格保真与内容泄漏。
基于上下文感知集中式复制粘贴数据增强的野火图像多类别语义分割
上下文感知集中式复制粘贴增强限制火斑至语义合理区域并按源背景匹配，提升野火多类别分割性能与真实感。
VISPATH：面向多模态知识图谱问答的视觉意图引导路径推理
提出VISPATH框架，以视觉意图动态引导多模态知识图谱多跳推理，并构建VISPATH-Bench基准，显著超越强基线。
从压力到情感：跨可穿戴传感器模态的生理情绪识别多模态深度学习
多模态可穿戴生理情绪识别中，最佳时序架构因数据集而异；多模态传感更优，4赫兹兼顾性能与成本。
COAL-SQL：面向Text-to-SQL后训练的覆盖引导增强与失败驱动学习
COAL-SQL框架融合覆盖引导增强与失败驱动学习，仅1.26万样本在BIRD达64.9%执行准确率。
基于曲率自适应管状校正的几何感知扩散引导
提出免训练曲率自适应管状校正CAT，约束扩散引导的法向与切向位移，稳定采样并提升逆问题生成性能。
用自生成的深度研究轨迹提升深度研究与长上下文能力
复用深度研究轨迹生成长上下文QA，提出DLD-RL训练，深度研究提升7.3%、长上下文提升13.5%。
论最大编码率降低在分布外泛化中的局限
最大编码率降低在分布外泛化中存在根本局限，编码最优不保证稳定预测，即使引入不变性原则亦无法消除。
通过测试时通信扩展发现能力
测试时通信可让多智能体团队在难题和科研任务中超越独立尝试，随规模提升，并在算力充足时超过已知最佳。
从生成到检测：基于话语驱动场景的大语言模型生成假新闻研究
研究大模型在四类话语场景下生成与检测假新闻，构建1.4万篇语料；生成策略影响可检测性，提示优化无益。
S3VD：面向视频去雨的语义引导时空扫描
S3VD融合多尺度语义与时空扫描，解耦门控建模帧内外关联，去雨达SOTA，PSNR提升0.84dB。
《生产环境中的高效基准评测：一项关于持续演进的LLM智能体的研究》
比较四种采样策略，2PL自适应测试精度最高；实际部署难度分层固定子集，可跨模型迁移且免重校准。
Stiefel-AdamW：面向线性分解块的几何感知 AdamW
Stiefel-AdamW 将一因子约束于 Stiefel 流形，缓解 LoRA 等线性分解块训练不稳定，开销极小。
GameASG-Bench：面向游戏开发的自主软件生成基准测试
提出GameASG-Bench，将行为测试纳入游戏生成，含47项任务与L1/L2检查；九种智能体最高平均L2通过率93.2%，严格成功率仅55.3%，暴露合规缺口。
FedeRage：一般客户端漂移下可证明收敛的无分布假设联邦学习
FedeRage在参与分布未知的联邦学习中嵌入CVaR风险规避，侧重高损失与低参与客户端，收敛率O(κ/√T)，提升精度与公平性。
VeriFuse：面向协同3D感知的有界视觉-语言仲裁与推理引导精炼
VeriFuse让冻结VLM仲裁车路协同3D候选，DAIR-V2X上AP50达0.494且延迟鲁棒。
面向感知任务规划的全可微神经-软符号框架
提出全可微神经软符号框架，连接视觉感知与规划，以连续软符号和可微规则实现反馈，提升成功率并减少计算。
基于感知调整查询的情感识别个体层面校准
提出感知调整查询框架，估计个体最小可觉差以等化任务难度，实验证明其能均衡个体感知难度并降低反应时差异。
写作时少读：流式多模态解码器的闭式带宽旋钮
提出ZENDAYA，以单一γ闭式调度统一离线/流式多模态解码；少读源反而提质，低延迟增益显著。
面向基于Transformer的时间序列预测器的轻量级即插即用门控
提出轻量即插即用预编码器门控，调节协变量表示，可嵌入多种预测模型，无需额外调参且性能近基线。
结合目标检测与几何感知聚类以区分无人机影像中的重叠植株
提出几何感知后检测框架，用质心/径向交点聚类区分无人机RGB影像中重叠植株，F1达0.89。
ASGARD：基于强化学习的无人机韧性动作空间防护
ASGARD用教师-学生框架训练动作纠正监控器，仅凭状态历史机载抵御动作空间攻击，且泛化到未知攻击。
读焦虑还是读标签？比较微调模型与前沿模型在社交媒体焦虑检测中的表现
对比六种焦虑检测方案发现，语料中关键词构成混淆，微调模型最依赖关键词匹配，已发布成绩因此虚高。
PolyBridgeBench：面向物理落地的桥梁设计多模态大语言模型基准评测
可执行桥梁设计基准，测试多模态大模型生成承载结构及仿真失败后修复能力，六模型189关显示动态成功与修复力不足。
MIRCID：推断的枢纽miRNA推动药物机制建模的跨任务改进
MIRCID用推断枢纽miRNA重编码转录组，提升药物机制建模，miRNA增益比TF活性更一致。
MME-Safety：面向多模态大模型安全评估的细粒度基准
MME-Safety细粒度基准：四维标注、分层评估，评测17个MLLM，揭示跨模态输入与思维链推理安全隐患。
跟我说吧，Jarvis：面向自动驾驶赛车的开源可边缘部署语音助手框架
离线语音助手Jarvis基于Mistral 7B微调实现指令分类，准确率97.63%，延迟1.39秒，开源。
DENSE：将智能体轨迹蒸馏为基于证据的捷径树以实现自我精炼
将智能体轨迹中的进展与恢复证据蒸馏为嵌套捷径树，免结果标注实现自反馈精炼，提升通过率并减少token。
CoLearn：在人类—AI 协同学习循环中学习其学习者的智能体导师
CoLearn 以持续记忆建模学习者掌握度与误解，动态生成个性化问题，盲测中68-69%优于非个性化。
JEPA引导的扩散模型：面向生成式交通预测的预测性视觉-语言条件
冻结V-JEPA提取预测潜表征，轻量对齐模块驱动冻结扩散模型，免重训生成未来交通视频，竞赛列第三。
PrismAlign：先验引导的多视图VLM对齐，实现抗幻觉表格OCR
提出多视图VLM框架PrismAlign，融合表格逻辑先验，解耦结构与内容对齐，贝叶斯决策降幻觉，多基准达SOTA。
基于多粒度SSM的双兴趣序列产品推荐
提出双兴趣跨SSM模型，长短期兴趣分别用Mamba与时间调制SSM编码，残差融合提升推荐性能。
面向空中作战决策支持的离线多模态大语言模型
离线多模态大语言模型在无网受限空中作战中提供可溯源决策支持；试点显示得分媲美人类且耗时更短。
LogicTrack：用形式逻辑求解器审计大语言模型的推理轨迹
LogicTrack 用形式逻辑求解器逐步验证推理链，并以回溯奖励引导搜索，提升可验证性与准确率。
在寄存器上驾驶，在风险上推理：面向基于寄存器的端到端自动驾驶的风险感知占用
RRDrive引入风险感知占用表示，以全局结构引导和候选风险查询优化轨迹生成与选择，PDMS达0.951。
HMB-GAN：用于矢量形状合成的混合多贝塞尔GAN
提出HMB-GAN，以混合量子-经典GAN生成CAD矢量形状；量子生成器收敛快、参数少，但受硬件与模拟开销制约。
当在线自适应有害：用于持续医学图像分割的参数冻结测试时集成
持续医学图像分割中，参数冻结测试时集成不更新权重，仅多视图概率平均，优于在线自适应。
与真实经历对齐：心理健康支持生成中微调的异质性收益
微调可提升心理健康支持对齐，但收益因社区与策略而异，且更偏问题聚焦。
基于立体事件相机的昆虫野外追踪
将事件相机事件转为视频并结合立体配置，实现昆虫野外高速低延迟三维追踪，减少运动伪影。
GVPO++：面向大语言模型后训练与同策略蒸馏的组方差策略优化
提出GVPO，将KL约束奖励最大化解析解融入梯度加权，免重要性采样，可扩展至同策略蒸馏。
μ²-Bench：多语言机器遗忘基准
提出多语言机器遗忘基准μ²-Bench，覆盖多语言及留出语言，评估跨语言知识遗忘，强调需多语言特性方法。
通过语义摘要预测增强音频推理
提出SPARE，以对齐结论的注册token预注入语义目标，提升音频推理且无额外推理开销。
生成式人工智能聊天机器人用于动机性访谈：从系统设计到干预结局的范围综述
范围综述纳48项研究：生成式AI动机性访谈互动质量与用户评价良好，但持续行为改变证据有限。
学习优化：AI原生网络缺失的架构层
学习优化是AI原生网络缺失架构层，将优化算法转为离线知识生成器，训练神经代理实现低延迟近优推理。
全连接层稳定结构化稀疏化的逐层解耦方法
提出逐层解耦的结构化稀疏化法，顺序剪枝缩减层宽；证明其与联合惩罚最优等价，较耦合更稳健，正则范围更宽。
RobotEQ-Video：以视频为中心、带世界状态分类体系的社会主动智能基准
发布视频中心基准RobotEQ-Video，构建四级世界状态分类体系，含2K+视频，现有系统表现仍逊于人类。