从任务成功到高效成功：以质量与成本评估人机协作
提出以产出质量与交互成本之比衡量人机协作生产力；质量相同会话成本可差70倍，且用户主观评分不可靠。
EnSol：一种用于分子溶解度预测的环境感知图神经网络
EnSol以图神经网络与交叉注意力建模溶质-溶剂作用，结合温度调制和混合密度网络预测溶解度分布，基准与实验均领先。
将强制对齐扩展至终端用户设备
用线性内存对齐与受限随机游走剪枝两项优化，大幅降低内存和耗时，使强制对齐可扩展至终端设备。
面向开放词汇场景建图的场景语言模型
提出SceneLM，以结构化文本列表为唯一持久记忆，通过增删改对象维护开放词汇3D场景地图，表示紧凑6-12倍，可在边缘设备在线运行。
安全导向端到端自动驾驶的风险感知占用
提出风险感知占用统一编码场景、地图约束与未来智能体占用，设计ROIDrive注入规划查询，显著降低碰撞率。
隐藏在众目睽睽之下：基于扩散模型的视觉语言模型地理定位隐私泄露缓解
针对视觉语言模型地理定位隐私泄露，提出基于扩散潜空间扰动的主动防御，增强黑盒迁移性并保持图像质量。
价值观的几何：面向语言模型伦理偏好对齐的任务向量组合
构建1.2万跨语言道德困境数据集，揭示模型价值偏好偏差；提出任务向量正交化，可分离并反转伦理偏好。
SIRA：基于查询锚定对齐的推理感知手术器械分割
提出推理感知分割任务与SurgRS数据集，SIRA通过查询锚定双重对齐提升语义与视觉一致性。
通信瓶颈：语言模型中树结构表达式序列化的往返研究
提出往返协议评估语言模型对树结构表达式的序列化，发现通信有损且不对称，失败多源于生成，微调可提升。
M2G-LLM：通过多模态图推理与LLM上下文注入增强临床预测
M2G-LLM借图神经网络融合多模态临床数据并注入LLM中间层，在MIMIC上提升临床预测表现。
量化感知卡尔曼估计用于扩散采样
提出QuAKE，将量化去噪器采样建模为在线估计问题，结合平滑轨迹先验与高斯观测模型，递归更新后验并支持高阶ODE求解器，显著缩小与全精度采样的分布差距。
AgentVidBench：评估多模态大模型智能体的多跳视频问答基准
AgentVidBench：多跳视频问答基准，评估MLLM智能体的时空与因果推理，提供分步解题轨迹。
TierKV：基于预测式多层KV缓存的长上下文端侧大语言模型
TierKV提出预测式多层KV缓存，将token分至精确、低秩、闪存层，保留全上下文，吞吐最高提升17.6倍，KV内存降12.5%-34%。
面向机器学习驱动应用的信号中心遥感：基于替代预处理与声学处理
用CSV替代图像表征处理声呐实验显示处理时间降91.18%，ML检测更准，SNR/PSNR等指标提升
SWE-Proof：语言模型能否用机器校验的证明解决现实问题？
提出形式验证流水线SWE-Proof，发现测试遗漏大量错误；正确规范可将解决率从85%提升至95%，但忠实规范生成仍是难题。
以可靠性为中心的稀疏纵向CT病灶大小预测评估：保形区间校准与Gompertz启发式正则化
稀疏CT病灶预测：控制时域后增加历史收益有限，准确度、不确定性可靠性与轨迹一致性须联合评估。
超越准确率：面向结构化虚假招聘帖子检测的质心引导对比损失
提出质心引导对比损失CGCL，以质心驱动top-k推拉统一分类与聚类，在EMSCAD上达SOTA。
通过L0正则化混合专家加速稠密大语言模型
提出L0-MoE，用L0正则化轻量混合专家加速稠密大模型，提速达2.5倍且性能几乎无损。
多受试者预训练实现闭集语料表面肌电语音解码的短校准个性化
多受试者预训练加目标被试短校准，可在50句闭集语料上实现sEMG静音语音解码，3分钟校准即达20.5%字符错误率，接近全量校准效果。
并非所有不规则都相同：因果隔离日语形态屈折中的一种稀有失败模式
日语过去时屈折中，不足1%的/e/词干促音化子类占30–43%错误，单独剔除其增益超全部不规则动词。
Hallucination-R1：面向事实一致性的鲁棒性导向改写生成
提出两阶段优化的改写生成框架，生成语义等价但具鲁棒性挑战的改写，暴露问答模型事实不一致并提升鲁棒准确率。
GUARD：通过引导式答案-推理蒸馏实现大型推理模型的自然遗忘
针对大型推理模型遗忘后轨迹缺失导致幻觉等问题，提出GUARD引导蒸馏方法，构建安全退出轨迹并引入自然遗忘推理评分，有效减少不安全泄露且保持推理效用。
从记忆到行为：面向社交媒体网红的行文感知角色扮演框架
提出情境-状态-行为角色法，融入情境化行为策略并设计评测协议，社交媒体回复生成效果优于ICL基线，亦适用于虚构角色。
ME-Dex 1.0：将异构触觉感知引入世界动作建模
提出 ME-Dex 1.0，统一异构触觉、视觉与动作建模，提升机器人操作性能。
中文标题：当更好的单轮表现未能造就更好的智能体：诊断下一轮指标与工作流成功之间的鸿沟
单轮指标提升无法迁移到自主工作流执行，成功率最高仅10.4%，需分开评估各环节。
面向时间序列异常检测的大语言模型生成特征池
用多模态大模型按领域生成时序异常检测特征池，与手工池互补，并集性能达0.588，匹配榜首。
追溯零样本时间序列预测背后的证据：来源优先的分类体系与审计框架
提出零样本时序预测的来源优先分类与审计框架，主张审计证据边界与接口假设，避免榜单进步失真。
面向可扩展三维建图、定位与渲染的自适应世界记忆三维基础模型
提出自适应世界记忆三维基础模型，统一可扩展三维建图、定位、重建与高斯渲染，实验优于基线。
Transformer 中的世界建模
机制分析表明，模型能表征路口街道、追踪位置并以目标罗盘导航，失败源于叠加特征干扰；世界建模能力分阶段涌现。
FairLMs：语言模型公平性的一站式工具库
FairLMs：语言模型公平性工具库，整合33项指标、14种缓解组件与14项诊断，实现可复现比较。
快速准确的文本内容文件类型识别
提出神经网络模型识别文本内容文件类型，尤其源代码，更准且比Magika快约4倍、体积小28%。
降低学术支持障碍：评估课程专用RAG系统以解决高等教育中的求助差异
研究评估课程专用RAG系统，发现其可降低求助障碍，提供可信且与课程一致的支持，成为正式求助前的桥梁。
校准师生差异的在线策略蒸馏
通过特权干预估计教师自身偏差以校准师生差异，仅学习真实能力差距，推理基准上稳定优于标准OPD。
带缓冲分位数目标的深度强化学习
提出无模型分布强化学习框架Deep-BQRL，用缓冲分位数平滑风险敏感目标，并以集成分歧引导探索。
CompAdapt：面向物理一致性文本到视频生成的可适配复合运动建模
CompAdapt将物理一致T2V扩展至复合运动，支持语言指定参数并免重训适配新物理规律。
压缩驱动机器学习导论
压缩与机器学习可互相转化；本文综述形式化相关策略，提出设计框架，在恶意软件检测上显著优于基线。
一个提示词难以包打天下：面向个性化信息抽取的自元演化
提出自元演化框架，为每位用户迭代定制信息抽取提示，基准成功率74.58%，真人评估71%胜出。
先倾听，再说话：基于听者面部反应的对话语音生成应答规划
提出ReACT-TTS，用听者预反应面部序列规划对话语音情感韵律；实验显示时间建模更优，可补益应答规划。
常规血检在区分儿童细菌性与病毒性感染方面优于CRP
血常规联合CRP与年龄的XGBoost模型鉴别儿童细菌/病毒感染，AUC达81.7%，优于单用CRP。
P$^3$-SAM：面向少样本带钢表面缺陷分割的感知并行提示SAM
提出P3-SAM，用感知编码与并行提示提升少样本带钢缺陷分割，三基准达SOTA，mIoU提升12%。
中文标题：基于神经时间点过程的业务流程执行概率预测
以神经标记时间点过程对业务流程执行做概率预测，显式处理时间戳并列，单次前向即得校准良好的剩余时间分布。
超越原子化词元：面向语言模型预训练的音节分解
提出音位分词器，将汉越语音节分解为声母、韵母、声调，词表小、效率高，预训练模型表现优异。
知识图谱增强的 Chronos-2 用于 HEC-RAS 代理预报
将时序基础模型与工程知识图谱耦合，提升HEC-RAS水位代理预报，RMSE较冻结基线降低14.13%。
MT-WAM：将单次前向预测表征重新导向动作生成
MT-WAM保留原训练目标，引入未来二维点轨迹与视觉特征监督，推理跳过未来视频预测，显著提升控制成功率。
一个评委小组相当于多少人类评审？
有效人类数取决于匹配目标：同一32评委评审组的谱等效为4.24–6.50，分布恢复等效仅2.30–3.75，二者不可互换。
心电图海市蜃楼：揭示并缓解视觉语言模型在临床预测中对心电图利用不足的问题
提出“心电图海市蜃楼”：视觉语言模型临床预测中忽视或误用患者心电图，并用视觉提示微调有效缓解。
PSEE：面向点监督时序动作定位的渐进式传感器事件扩展
PSEE用语义激活、传感器过渡证据与自适应时序归属，为点监督时序动作定位生成伪片段，提升伪边界质量。
推理何时有助于机器翻译？对大型推理模型推理轨迹的层次化分析
LRM翻译推理：最佳语言因模型而异，长度与质量非单调；HMS揭示理解规划、翻译起草、精炼验证，模型/长度感知控制。
超越基于参考的评估：用于语法纠错元评估的奖励模型
提出无需参考答案的奖励模型RM-EVAL，可像人类一样评估并改进语法纠错。
VoxelTTO：体素对齐的前馈式三维高斯泼溅与测试时优化
体素对齐前馈3DGS，以体素特征解码高斯，测试时优化LoRA并采用随机体渲染，提升RGB-D新视角合成与位姿估计。