SP-MoMamba：面向高效图像超分辨率的超像素驱动状态空间专家混合
提出SP-MoMamba，以超像素驱动状态空间专家混合，进行区域级多尺度稀疏建模与局部细节调制，实现高效图像超分辨率。
利用机器学习识别安全平台产品滥用
首个可部署全系统防御：机器学习识别安全平台产品滥用，覆盖+35%、月告警-30%，适应攻击者行为变化
Soda：一种用于描述以人为中心问题的面向对象函数式语言
Soda是一种面向对象函数式语言，可自然处理定性与定量，大幅简化正确性检验，便于描述复杂系统需求。
语义配对对自监督表示学习的影响
对照实验表明，语义正样本对（同类不同实例）优于增强正样本对，能提升自监督表示学习的泛化性能，对比学习受益最大。
FootQuery：面向感知型人形机器人运动的未来落足点引导深度历史检索
FootQuery用预测的落足点检索深度历史，实现人形机器人复杂地形连续行走。
缺失的时间环节：面向脚本驱动音视频生成的时间上下文路由
提出时间上下文路由TCR，将脚本时序映射至共享时间轴，镜头边界误差降96%，对话准确率升至84.1%
加权量子信号处理：低深度多项式逼近及其在柯尔莫哥洛夫-阿诺德网络中的应用
提出加权量子信号处理，通过权重降低电路深度与参数量，逼近任意单变量多项式，并用于KAN激活函数。
AntiGrounding：以可执行机器人轨迹作为视觉提示的VLM引导操作
可执行轨迹作视觉提示，多视角VQA评分筛选，数字孪生验证后驱动机器人操作，八任务成功率超基线。
深度学习增强的基于单收发对的实时Wi-Fi感知
单对收发器实现实时Wi-Fi感知，深度学习借先验与时序信息提升精度，姿态误差0.22米，定位0.61米，实时42帧。
BEAT-Net：注入仿生时空先验的可解释心电图诊断
提出BEAT-Net，以QRS生物分词和仿生分层架构模拟医生流程，参数减95%，仅用35%数据达CNN性能，可解释且泛化强。
ULTRA：面向自主人形机器人全身移动操作的多模态统一控制
ULTRA统一框架：物理驱动神经重定向与多模态控制器，实现人形自主全身移动操作，真机验证。
连续脉冲图神经网络
提出COS-GNN，融合SNN与连续图ODE，二阶结构缓解信息损失与梯度问题，实验有效。
基于认知不确定性的自适应展开截断，实现高效离线世界模型训练
提出认知不确定性驱动的自适应展开截断，训练离线世界模型，在保持精度的同时减少约72%展开计算。
完整神经电子初始化加速材料DFT计算
首个完整神经电子初始化，补齐PAW增广占据与自旋初始化，无需参考即可将材料DFT端到端耗时降约25%。
跨排行榜的自动驾驶规划器基准测试：基于CARLA的统一评估
以CARLA排行榜v2.1统一评估CARLA、nuPlan、Waymo的八种规划方法分析优劣与趋势
通过狄利克雷重采样提升自助聚合的预测性能
提出DM/DW随机森林，以浓度参数α调节样本重加权，降低树间相关性；基准上常优于RF且开销可忽略。
面向通信高效脉冲神经网络的预测性抑制层
提出预测编码层，仅转发不可预测的脉冲活动，通信量减少三倍，并提升N-MNIST与SHD任务精度。
基于纳米光子波前编码的物理基础单目深度
以超透镜纳米光子波前编码度量深度线索，桥接深度基础模型，并通过仿真缩小虚实差距，提升单目度量深度。
VideoPulse：基于非接触视频的新生儿心率与外周毛细血管血氧饱和度（SpO2）估计
发布VideoPulse新生儿数据集及端到端流程，无接触估计心率和SpO2，助力低成本无创监护。
大型语言模型是香农有损压缩器，而非所罗门诺夫归纳估计器：没有符号模型合成，奇点不会临近
大模型为香农有损压缩器，非所罗门诺夫归纳；增算力难改原则，唯符号模型合成方近奇点。
面向非定常转子叶片压力与气动弹性载荷预测的周期性神经映射
p-FNM嵌入时间周期性，直接预测非定常叶片压力场与气动弹性载荷，优于TPM。
基于动态多模态检索的因果音频驱动面部运动个性化
提出因果流式框架，用多分辨率运动分词器与多模态检索器，从任意视频提取风格先验，实现高保真个性化。
理解聚合物基础模型中的结构表示
提出含架构与连接信息的SMILES聚合物图表示CPG，在30项性质基准表现优异，并揭示表示扰动鲁棒性与盲点。
求解随机非凸–（强）凹极小极大优化的单循环随机投影阻尼外梯度方法
提出单循环随机投影阻尼外梯度法及方差缩减变体，分析博弈与优化平稳性复杂度，达单循环最优保证。
外部影响下的强化学习：保证、算法与样本复杂度
研究非马尔可夫外部扰动下的强化学习，提出有限历史策略迭代算法，分析样本复杂度并实验验证。
具有类别不确定性的天文光谱贝叶斯分类
4MOST光谱分类中，CNN加MC dropout最优，精度92.6%/93.9%，不确定性校准好
迈向视觉-声音-语言-动作范式：面向声音中心操控的 HEAR 框架
提出VSLA连续控制范式与HEAR框架，用流式音频历史和音频世界模型实现声音中心机器人实时操控。
DexPIE：基于真实世界经验的稳定灵巧操作策略改进
提出后训练框架DexPIE，利用真实部署经验与多阶段数据收集提升灵巧策略，真实任务成功率较演示基线提高37.3%。
ServeGuard：对算子不可见通道的可验证、有界残差约束，且不泄露所认证的读取因子
零知识证明约束适配器读取方向，令监控盲区后门通道结构上不存在；无需信任发布者即可验证，不泄露读取因子
面向个性化液体复苏的自适应不确定性感知建模与随机径向基函数预测控制
提出不确定性感知贝叶斯生理建模与随机RBF预测控制，实现在线自适应个性化液体复苏MAP调控。
HERMES：面向长尾自动驾驶的 holistic 端到端风险感知多模态具身系统与视觉语言模型
提出HERMES风险感知端到端多模态驾驶框架，融合长尾语义与三模态信息优化轨迹规划，在长尾场景中显著提升安全性。
基于泊松过程的可水印多草稿投机采样
提出基于泊松过程的可水印多草稿投机采样，兼顾水印强度与采样效率，并具草稿模型不变性，实验验证。
从预训练到精通：最少人工干预下面向长时程操作的真实世界子任务强化学习
PARTS冻结预训练策略，聚焦瓶颈子任务做残差强化学习，成功率32%→61%与50%→95%。
深度强化学习中的轨迹展开总相关
最大化轨迹内表示与动作总相关以学任务表征，用生成/判别下界和分块小批量，加内在奖励，提升样本效率与鲁棒性。
从对比视角重新审视带可验证奖励的强化学习
从对比视角重构GRPO，提出ConSPO，以序列对数概率对比正负轨迹，提升推理基准表现。
立场：推进时间序列建模需要动力系统视角
认为时间序列建模需引入动力系统视角，通过数据重建动力学，可提升预测、长期统计并降低算力。
固定规划器下的技能模块演化：长期运行机器人系统的版本管理、回滚与运行时治理
长期机器人技能更新需版本化运行时治理：随机种子使峰值不稳，防护致成功归零，发布门控可拦截回归但误拒高。
Rhamba：面向静息态fMRI自监督学习的区域感知混合注意力-Mamba框架
提出Rhamba区域感知框架，融合解剖引导掩蔽与混合注意力-Mamba，在fMRI自监督学习中性能优异。
使用高效符号恢复的端到端硬标签密码分析模型提取
提出新符号恢复算法，无需专用查询，实现黑盒端到端硬标签模型提取，训练模型标签一致率超98%。
光滑 ℓ_p / ℓ_q 非对偶凸一阶预言机优化的近最优加速
研究ℓ_q下Hölder连续梯度凸优化，结合选择子移动界与Hölder下降，得到多项式时间一阶法，在高维达近最优率并解决COLT 2015开放问题。
训练前的表示：生成式医疗事件模型标记化的实用基准
基准测试生成式医疗事件分词：码值融合提升预测，CLIF更短且多数更优。
约束衰减：LLM智能体在后端代码生成中的脆弱性
LLM智能体后端生成中，结构约束累积会致性能大幅下降（约束衰减），重约定框架更差，数据层缺陷为主因。
合作覆盖回路如何抑制大语言模型中的纳什博弈行为
大模型合作并非能力缺失，而由词汇触发的覆盖回路在深层后期抑制纳什选择，且可测量、可控制。
切向量场回归的黎曼同时推断
黎曼流形切向量场回归核估计经平行移动与协方差白化得Gumbel极限，构造同时置信管。
掩码离散扩散中 tau-leaping 的调度优化
分析掩码离散扩散 tau-leaping 的分解误差，优化采样调度并刻画最优渐近性能。
驯服对手：面向对抗强化学习的成本-扰动比方法
提出CoDRA，以成本-扰动比平衡控制器与对手，自归一化训练，免额外惩罚与权衡参数，提升鲁棒性。
基于矩阵指数不动点迭代引导量子博弈智能体趋于均衡
提出带退火的矩阵指数不动点迭代算法，高效求解量子博弈均衡，较MMWU迭代更少、误差更低。
扩散模型训练中的临界慢化
研究揭示扩散模型训练存在临界慢化，两层架构可将训练时间由二次降为对数增长。
博弈中实现常数遗憾的乘性乐观
提出无耦合规则MORM，在有限一般和博弈自对弈中以一步乐观实现O(√n log d)外部遗憾，且对抗鲁棒。
@alexandr_wang：哇，这个 musecase 真酷。你的私人造型师！
这个 musecase 很酷，堪称你的私人造型师！