视觉语言模型能评判奥运跳水吗？——从零样本动作质量评估中的推理到打分
评估开源VLM零样本评判奥运跳水，集成回归框架融合语义推理，斯皮尔曼相关由0.32提至0.67。
VisKG-LM：将知识图谱编译为视觉记忆以用于多项选择问答
将检索到的子图离线编译为可复用的视觉记忆，推理时仅末层读取，在多个问答基准上超越在线图传播方法。
目标的句法与语义
本文把目标视为可组合的表征，借句法—语义接口刻画其表达力、设计与效率，勾勒目标表征的设计空间。
RAUL：用于技能评估的参考辅助输尿管镜定位
参考辅助框架RAUL仅用输尿管镜视频重建轨迹，定位覆盖率86%，可无额外追踪评估导航技能。
我们对大语言模型有何期待？LLM基准设计的全景映射
梳理14767篇LLM评测论文：基准转向行动、交互与专业应用，LLM参与评分渐增，引发评测独立性质疑。
用于矛盾与犹豫识别的模态差异Transformer
提出模态差异Transformer（MDT），以9令牌建模跨模态差异并文本引导融合，BAH集Macro F1达0.7408，超基线10分。
BioPhys-Bridge：面向以物理为基础的生物学研究的跨学科科学推理基准
提出生物物理文献跨学科推理基准，含500案例、1517任务，评测证据溯源与多步科学推理。
WZPlanner：面向施工区自动驾驶的安全端到端路径规划
发布施工区多模态数据集与BF++模型，联合预测车道线、施工区边界与轨迹，驾驶得分领先且模型更轻量。
立场：是时候用自进化的操作系统层来虚拟化基础模型了
主张构建基础模型操作系统FMOS，虚拟化模型交互，统管记忆、调度与安全校验，并自进化学习干预时机。
当前系统泛化任务遗漏了什么？一项以推理为中心的分析
提出TranSGrid统一三类推理，揭示现有系统泛化任务因简化削弱归纳/溯因需求，仅凭生产力评估不足
对会话式LLM智能体网络搜索的刻画：从搜索决策与策略到结果与响应
首个跨四大平台研究智能体搜索：决策与查询策略各异，频繁搜索未必提质，结果有平台偏好，部分结论缺引用。
FakeSpotter：一种与内容和策略无关的病毒式虚假信息检测工具
FakeSpotter依据结构指纹评估文本的病毒式虚假信息风险，短/长文本宏F1约0.79，输出可解释。
正则化强调时序差分学习：常数步长下的稳定性
提出正则化强调TD（RETD），修复ETD常数步长采样动态不稳定，证明收敛与矩收缩，实验验证。
超越静态几何的阈下提示：因果深度与多词元混杂
潜隐学习可经无关输出传递隐藏特征；固定几何、可读性、因果深度与多词元测量各异，多词元关联受长度混杂，机制未明。
基于可提示分割的开放词汇3D目标检测
免训练开放词汇3D目标检测：SAM3文本提示分割环视图像，几何生成3D框，零标注达0.298 mAP。
AI 智能体理解计算机体系结构吗？
将同一加速器空间以命名架构参数与匿名变量分别交给同一智能体，前者性能高12.3%、调用少70.1%。
采样揭示风格：无监督、免训练发现LLM激活中的提示条件风格轴
高温重复采样并对隐藏激活做PCA，可无监督、免训练发现提示条件风格轴，模型间差异显著。
闭世界解析：对抗LLM智能体中的工具幻觉
提出工具幻觉分类与免训练闭世界解析器，证明防御须先于门控；实测322例幻觉，MCP再曝154例，规模无益。
MAGS：多智能体自动形式化保障智能体输出安全
MAGS多智能体框架借Dafny形式化验证，自动生成带安全保证的可执行程序，220个任务全部成功。
视觉Transformer与状态空间模型的黎曼-洛伦兹融合
提出RLPF，对齐ViT与SSM参数，做黎曼-洛伦兹测地重心与门控，精度超父模型，但需微调。
RGS：面向反射物体、通过几何连续性学习实现的反射感知高斯泼溅
提出RGS反射感知高斯泼溅，用3D基础模型先验与跨视角约束反射区几何，并以反射感知稠密化提升渲染质量。
从正常中看见异常：正常肾脏形态表征中的肾小球异常
提出NoRDeC，仅用正常肾小球拟合检测器，可检测并表征多种肾小球异常，AUROC达0.926。
别再删除停用词：一个继承的预处理默认设置如何扭曲法律文本数据研究
穷举单词消融显示：删停用词均不如保留，通用词表低于基线，优化词表亦无增益，反倒扭曲法律文本信号。
面向人类-大模型对话中用户侧隐式冲突的主动检测
构建UC-Bench基准与SynUC合成法，使小模型主动检测用户侧隐式冲突并超越大模型。
新古典：评估中国古典诗词语言美学推理的基准
提出新古典基准，以当代格律诗和逆向探针评估古典诗词语言美学推理，揭示模型跨域性能骤降、语篇排序薄弱。
用户如何看待生成式AI：应用商店评论中信任与摩擦的跨平台NLP分析
六大生成式AI应用1.7万评论：负面多因广告、认证、服务器与订阅，Claude最负面且极化，信任摩擦
反思式恢复：一种从错误中学习推理的自监督方法
提出自监督反思式恢复，将失败轨迹转为恢复训练数据，使模型学会纠错，突破规模崩塌并提升推理。
基于意图覆盖与查询级信用分配的生成式查询建议
意图驱动框架结合意图感知多样性建模与查询级信用分配，提升点击率、查询质量与意图覆盖。
射频卷积神经网络
提出射频卷积神经网络，复用通信混频器在频域单次卷积，实现低功耗边缘CNN推理，能耗低两个数量级。
面向高效大语言模型压缩的分层课程学习
分层课程学习压缩大模型：将模型分段迁移并缓存特征，加速收敛、稳定知识迁移，显存和训练时间降超50%。
超越接口的安全：通过大语言模型潜在状态检测有害内容
提取LLaMA-3.1-8B激活训练轻量MLP探针检测有害提示，F1达99%/83%/84%，媲美千倍大模型且降低成本。
强化学习后训练下语言模型的组合推理
提出依赖图框架形式化组合推理，发现分解到组合的不对称迁移：分解技能难迁移至组合任务，反向较易。
迈向主动跨视角物体地理定位
提出主动跨视角物体地理定位任务及ActiveMoPT三阶段框架，仅需1.45个查询视角即达SOTA，零样本性能显著提升。
低方差奖励下组相对优化中的优势尺度校准失衡：诊断与有界恢复
区分亚分辨率抖动与可信小差距，提出优势尺度三方校准接口，揭示GRPO类方法KL失衡，并实现有界恢复。
CliniCIRCA：从原始电子健康记录叙述构建纵向心理健康患者旅程的模块化LLM框架
CliniCIRCA多阶段LLM框架，从无时间戳出院小结重建纵向心理患者事件时间线并生成摘要，指令微调提升多模型表现。
VGGT-GS SLAM：基于前馈先验的未标定单目高斯泼溅SLAM
未标定单目高斯泼溅SLAM，用VGGT前馈先验联合优化位姿、内参与畸变，以高斯原生对齐提升全局一致性。
面向番茄病害叶片理解的多模态生成模型
提出SOLAR多模态生成模型，将番茄病害叶片分析建模为生成式VQA，支持六类问答并优于现有模型。
从记忆到超越：跨越长期多模态个人档案，从记住你到懂你
构建首个真实多年个人视觉档案多模态记忆基准，含事实回忆、人格推断与预测个性化三级评测，并提出时序加权模块。
LLM 作为改进者：将验证转化为更优候选
提出VRR框架，用验证反馈修复并重选候选，突破固定候选池限制，提升代码生成与推理表现。
面向机器人采摘的选择性棉铃定位：田间条件下深度学习视觉模型的评估
评估多种深度学习模型用于田间棉铃检测分割，YOLOv12-m-seg兼顾精度与速度，适合机器人实时采摘。
长时程智能体架构：层级、时钟节拍与级联智能
长时程智能体需持续运行而不遗忘；架构含时间尺度分层、时钟节拍与级联智能，十日内自主复现强化学习结果
Agentic AI Networking for Heterogeneous Unmanned Aerial Systems in Low-Altitude Wireless Networks
QVAC Genesis III：面向高效语言模型预训练的大规模、高质量开放合成STEM语料库
发布191.43B token STEM合成语料库，覆盖19领域，1.7B模型基准最高提升28.57%
基于自适应区域划分与空间监督对比学习的城市建筑实例分割与细粒度分类
提出自适应区域划分与空间监督对比学习，实现城市建筑点云实例分割与细粒度分类，性能优于现有方法。
为什么预训练无法实现跨语言知识共享
预训练中不相交的词元空间是跨语言知识难以共享的根本障碍，映射到共享词元空间可大幅提升迁移效率。
面向可信大语言模型、智能体AI与多模态系统的统一评估框架
提出覆盖八大可信维度的统一评估框架，贯通输出、轨迹与跨模态评估，并加入元评估与安全覆盖机制。
SCOUT：基于冻结视频特征嵌入空间预测的仿真到真实文本行人检索
冻结编码器跨模态检索：训练预测器将冻结视频特征映射到冻结文本嵌入空间，免微调即可与精调模型竞争。
全双工语音模型中工具调用的前后端架构
提出语音前端发委派令牌、文本后端LLM执行工具调用、结果回注前端并由流式TTS合成的全双工架构。
面向高效分布式长上下文扩散语言模型训练的块并行
提出块并行BP与上下文分片CSBP，长上下文BDLM训练吞吐最高提升1.61倍，兼顾显存与下游性能。
Stiefel 注意力：当 Transformer 投影矩阵的几何主导优化器选择时——以及何时不会主导
将注意力Q/K投影约束到Stiefel流形，用黎曼Adam优化；权重衰减梯度恒零；CIFAR-10提升8.98个百分点，增益源于自由步长。