Transformer 里藏着一个更小的 Transformer
视觉 Transformer 存在深度冗余，TWT 将连续冗余层融合为单个学习代理层，减少参数与推理计算，半深度下仍具竞争力。
基于图的随机Power-UCT：采用幂均值估计的蒙特卡洛图搜索
提出GS-Power-UCT，按规划深度共享状态并分层估值，适配含环随机MDP，样本效率优于树图基线。
每个组件仅需一次干预：从稳态迈向线性随机动力学的可识别性
仅需每个强连通分量一次干预即可从稳态识别线性随机动力学参数至全局缩放，并提出递归与正则最小二乘估计。
面向基于语义解析的知识库问答的模式锚定潜在推理
提出SALR，以模式锚定潜在推理延迟显式模式决策，借模式码本对齐连续思维，提升逻辑形式生成。
Astronex-World 1.0：实时交互式世界模型基础
提出可控视频世界模型，支持文本/图像、相机与动作控制，实时生成，性能领先，可后训练用于具身与自动驾驶。
边际效用、矩阵分解与键值（KV）缓存：面向主权地质矿产推理的统一信息经济框架
统一边际效用、矩阵分解与KV缓存，保留特征值高于影子价格的维度，并用于地质矿产文档推理。
跨模态注意力即频率滤波器：为何冗长提示能提升视觉语言模型的鲁棒性
VLM在图像损坏下脆弱：冗长提示拓宽跨模态注意力的频率支撑，提升鲁棒性，漂移方差降70-81%。
SAFARI：面向LLM辅助危害分析与风险评估的工业基准
首个ISO 26262汽车HARA工业基准，含3000案例；LLM风险分类弱，最佳ASIL宏F1仅0.261。
皮层上的模态桥接：基于表面的扩散桥实现 MRI 到 PET 转换
提出皮层表面扩散桥DB-SUiT，实现MRI到FDG-PET高保真合成，提升痴呆诊断。
动态广义Gromov-Wasserstein最优传输
提出免仿真的TP-DATE框架，将GW-OT动态推广，借助旅行对流匹配，更好保留空间结构并改进3D动态重建。
一种支持巴西武装部队多域决策的智能体AI架构提案
提出支持巴西三军多域决策的智能体架构，可自主规划、访问数据、调用工具并安全行动，并讨论应用与权限。
过去与未来，一瞬兼得：通过事后 JANUS 校正缓解稳定性-可塑性困境
提出事后 JANUS 校正，将更新投影至雅可比零空间，恢复历史知识且不扰微调，缓解稳定性-可塑性困境。
EPIG-Tree：梯度高效强化学习的计算最优分支
EPIG-Tree把分支看作策略梯度估计的计算分配，按每单位算力最大降低梯度不确定性放置分支，在控制、LLM校准和多轮游戏中提升。
当下正确，后续不足：审计上下文压缩中的更新充分性
配对历史审计发现：记忆当前答对却难支撑未来更新，暴露结构、标识符等失败，并提出范围化评估法。
异种可解释性：探究大语言模型的异己心智
提出异种可解释性，区分人类语义与模型原生异种表征，主张识别无法用人类概念表达的内部结构，并探讨其安全影响。
PointEvent：通过序列化运动证据累积重新思考基于事件的微小目标检测
PointEvent以序列化运动证据累积互补组织事件流，轻量检测微小目标，参数最少、推理最快并达SOTA。
低信噪比信道下面向多任务卫星遥感的任务导向语义特征传输
提出任务导向语义特征传输：跳过重建，直接传多任务预训练骨干特征，经压缩恢复，低信噪比下分类检测更优。
压力测试对齐中期训练
压力测试显示，竞争性微调会抵消对齐中期训练效果；公共证据不足以证明其能解决强AI对齐核心难题。
Viveka-Insight：覆盖斯瓦米·维韦卡南达英文与孟加拉文全集的跨语言概念图与引文溯源检索资源
辨喜英孟全集跨语言概念图与引文检索资源，含解析、概念图、别名、人工标注，Recall@10达0.86
AgentPProf：面向长时程AI智能体的语义剖析器
将智能体轨迹聚合为pprof兼容画像，以语义操作栈实现任务级分层归因，高效定位问题并优化token成本。
MATCH：基于课程调度与分层门控奖励的模型感知工具学习
MATCH以模型感知课程调度与分层门控奖励优化工具调用，在API-Bank和BFCL V3上超越基线。
Chronicle：面向LLM智能体的切点重放回归测试
记录智能体非确定性边界，切点重放部分实时执行新代码，将故障转为CI回归测试，零模型调用且稳定。
射线堆中的针：面向蝙蝠轨迹的超稀疏激光雷达占据检测
轻量3D U-Net结合加权交叉熵与Dice损失，在超稀疏激光雷达射线堆中检测蝙蝠飞行轨迹。
PaGNet：面向多目标企业避税代理预测的面板感知GBDT-神经网络
PaGNet融合GBDT与面板神经网络双分支，预测多目标企业避税代理并提供分支依赖诊断。
支持度阈值而非算法，才是共购网络中稀有关联恢复的瓶颈
top-K与NC恢复稀有高提升度关联达80-100%，远超Apriori的22-28%；瓶颈在支持度阈值而非算法。
SETTer：面向长期多变量时间序列预测的稀疏编码器Transformer
提出SETTer，采用解耦自注意力与混合掩码，单层Transformer建模长期依赖，88%场景超越SOTA。
序列情境契合度可预测跨领域的人类行为与神经动态
基于嵌入的序列情境契合度（SCF）指标，在语言、音乐、决策等多个领域预测加工时长、行为转变与神经状态变化。
Scene-Q：面向3D场景的置信度感知由粗到细查询与选择性VLM推理
Scene-Q用温度缩放校准编码器分数，只对低置信查询调用VLM重排序，提升3D开放词汇检索性能。
CleanVideo：面向文本到视频扩散模型的自适应概念擦除
CleanVideo通过三模态门控的低维子空间干预，自适应擦除文本到视频扩散模型中的目标概念，保持视觉保真与时序连贯。
求解最小跨度反带宽与循环反带宽标号问题
提出统一SAT框架求解最小跨度反带宽与循环反带宽标号问题，并行/增量策略在基准测试中具竞争力。
MTF-Net：面向行人意图预测的多模态时序特征融合网络
提出MTF-Net，融合运动、姿态、上下文与场景四模态，经门控时序融合预测行人过街意图，PIE/JAAD上AUC达0.95/0.94且实时高效。
特权信息为同策略自蒸馏带来了什么？
无参考蒸馏已带来大部分提升；特权参考增益有限，其价值在于促进跨模式迁移，而非揭示更多解法。
局部稀疏性实现无监督大语言模型安全检测
借稀疏自编码器的局部稀疏性，提出无监督LLM安全异常检测框架，仅建模安全数据，用1-2%神经元即近最优。
JointMatch：面向大规模拼车匹配的统一异构图神经网络求解器
JointMatch用稀疏异构图统一求解拼车配对与派车，单次前向评分，纽约上超两阶段基线且快20倍。
面向智能汽车多模态舱内交互的QoS感知联邦学习
提出异步事件触发联邦学习框架FedQoS，双重门控平衡时延能耗，通信降76.7%、时延降26.0%
HerHealthEval：评估对女性健康传播的多语言与语域敏感理解
提出HerHealthEval框架，揭示多语言医疗模型在语域变化下的漏诊风险。
MoSSGate：面向皮肤病变分割的记忆调制状态空间门控
提出即插即用模块MoSSGate，融合边界感知门控、记忆调制与并行二维状态空间建模，在ISIC基准上高效取得最优皮肤病变分割精度。
QUALS：通过模式量化与可学习性同步实现通用预测的语料库均衡
提出QUALS语料库均衡框架，经模式量化与可学习性同步，用少量数据即可提升零样本预测性能。
类原型距离：面向目标检测的主动学习
提出类原型距离评分信号，单次前向传播即可筛选样本，降低标注成本，性能优于后验概率方法。
CARE-VI：离策略 Actor-Critic 学习中用于价值改进的保守自适应可靠性估计
提出CARE-VI框架，融合CARS、SEVA、DARE提升离策略Actor-Critic目标可靠性，在12个MuJoCo任务上平均回报最高。
面向弱监督白内障眼底图像增强的两阶段多尺度注意力网络
提出两阶段多尺度注意力网络，弱监督增强白内障眼底图像，合成配对图像并提升细节，性能优于现有方法。
JEPA-WAM：通过JEPA潜表示将生成式视觉指令连接到世界动作模型
生成视觉指令经冻结V-JEPA编码为紧凑目标token，跨注意力条件化视频与动作专家，提升机器人指令跟随能力。
MTVA-Bench：评估级联式语音智能体内部的语言模型
MTVA-Bench在级联语音系统内评测语言模型：490个场景、7种语言，工具检查加双LLM评委，模型差距多源自参数与规则遵循。
智能城市NR-V2X网络中基于学习优化图神经网络的AI驱动实时中继优化
提出基于图神经网络的学习优化框架，用于NR-V2X实时多跳中继选择，连接增益达11.3%，较MILP提速最高100倍。
当 AI 智能体提交时：跨数据、证据、策略与权限的认知可串行化
AI智能体提交需在数据、证据、策略与权限变化下实现认知可串行化；TCT保障零错误提交，平均开销仅3.22ms。
SAGE-Yoga：面向瑜伽姿势分类与关节级矫正的多线索学习
SAGE-Yoga统一框架融合多视觉集成与几何校验，实现瑜伽姿势分类与关节级矫正，Top-1达90.7%。
摘要化偏置：大语言模型中客观投射向讲述模式标签的方向性坍缩——一个概念框架与注册测试协议
提出摘要化偏置：大模型把叙事意义压成标签而非可重构结构；分生成与评价两机制，评价偏差更危险；未验证，预注册测试。
AI还是真实：资源受限环境下的部分篡改视频检测
以知识蒸馏构建轻量全帧检测器，专为边缘部署识别部分篡改AI视频，兼顾时域误报与阈值校准。
UniPolicy：面向生成式搜索广告的统一目标特定策略
UniPolicy通过目标特定参数解耦与多策略束搜索，离线线上均提升CTR、RPS和收入，延迟稳定。
线性时变系统的快变固有频率与阻尼比辨识
提出LSTM与EKF物理增强机器学习法，用振动数据辨识线性时变系统快变固有频率与阻尼比，经海上风机验证。