Re2A：基于评分细则偏好推理与对齐的情境化对话推荐
提出Re2A框架，用评分细则引导偏好推理，并按偏好与情境双目标对齐生成，推荐效果超越现有方法。
凝视作为共同基础建立的证据：MapTask与MUNDEX的跨语料库分析
两项协作任务语料显示，任务导向凝视更多、凝视熵更低与共同基础对齐相关，但效应微弱，仅为辅助线索。
教授AI、机器人与社区：面向农村学校的基于枢纽的K-12教育框架
ARC以高校培训本科生导师、枢纽辐射农村K-12，试点显著提升师生能力，可覆盖印第安纳州多数学校。
无流形的对称性：轨道上的内在维度
内在维度估计器在有限等距轨道上失效，神经缩放呈隐藏宽度指数律，速率由正则化器主导。
TeochewBench：经人工审核的潮州话汉字翻译基准
提出经人工审核的潮州话汉字翻译基准，含300条表达并评测13个模型；高特异性表达得分明显偏低。
超越上一层：稀疏MoE路由中的残差预测结构
稀疏MoE路由中，除最近层外，更早专家选择仍能预测下一路由，存在残差预测结构。
在不完美选择与计算成本下设计智能体AI工作流组合
提出工作流组合选择框架，联合优化运行规模与分配，权衡算力与选择误差，在三数据集上提升选择精度。
AutoTuneBench：面向LLM服务引擎智能体自动调优的可信度量
提出AutoTuneBench基准与测量协议，以冻结代码、预注册读数和外部锚定消除四类度量失效，揭示真实加速远低于宣称。
ASPIRE：面向长上下文LLM推理的异步批量自推测解码
ASPIRE以混合前向、在线调度与草稿内刷新实现异步批量自推测解码，吞吐提升1.70–4.58倍。
人工编码还是AI编码：课堂观察中AI评分的比较评估
研究比较AI与人工课堂互动评分：情感支持较一致，课堂组织与教学支持差异大，AI宜作初筛而非替代人工。
图结构何时物有所值？论检索增强生成中的结构定价
EffiRAG以图定位原文生成答案，质量优于LightRAG且成本降57%，图RAG应兼顾质量与成本。
面向科学关系预测的时间对齐演化概念图
提出时间对齐演化概念图，联合建模语义与结构演化，显著提升科学关系预测性能。
线性参数模型下混合序数与指数族因果有向无环图的可识别性
线性参数模型中，序数节点至少三类、指数族节点至少三支撑点时，混合因果有向无环图的边方向可由联合分布识别。
基于契约的LLM智能体符号化时序监督
用LTLf契约将智能体工具调用编译为DFA，统一在线监控与离线评估，判定确定可复现、延迟极低。
超图中的最大强独立集：归约、界与贪心证书
研究超图最大强独立集，给出归约、上界与贪心证书，并用于LSH-MinHash去重。
从压缩向量表示中精确读出语义
给出压缩向量精确线性/仿射语义读出的充要条件；预训练嵌入多仅线性可分，监督训练能达精确仿射读出。
招聘场景下开放权重大语言模型的性别与种族偏见语言触发因素
审计六款开放权重LLM，发现招聘用语触发性别与种族偏见，并提出预部署审计协议。
内在的注意力：选择性状态空间模型中的共识动力学
选择性状态空间模型的递归如同注意力，驱动token收敛至共识，输出门调控其程度。
QuanText：保护文本数据共享中的数据集级秘密
提出免训练、模型无关的QuanText，扰动分布保护文本数据集级秘密并保持效用，隐私-效用权衡优于基线。
WFM：面向复杂智能体推理的维基基础模型
WFM维基基础模型融合稀疏图与稠密上下文，服务智能体记忆与多跳推理，分布式训练加速10.5倍。
Behavior2Value：面向电商行为消费者价值测量的LLM基准评测与能力增强
提出B2V任务及电商价值分类ECVT，构建首个淘宝行为基准，并设计验证模型，多标签分类提升34%。
从基列的一条河到大型语言模型的推理分布：隐蔽方言偏见与大规模语言画像
大模型住房判断中隐性贬抑AAVE与尼日利亚皮钦语，尼日利亚标准英语随社会亲近度增加由优转劣
超越准确率：程序性痕迹如何改变大语言模型监督者的决策标准
程序性痕迹使LLM监督者决策标准偏向拒绝、误报增多；评估AI审计者应兼顾准确率、决策标准与误报行为。
T-SANDHI：面向低资源台湾闽南语语音识别的变调感知自适应网络与解耦混合注入
T-SANDHI解耦变调与本调，以词典引导多任务学习与动态门控注入，冻结Whisper上低参超越基线。
隐藏智能体下的结构推断
以结构无关初始化加结构引导迭代精炼，联合恢复隐藏智能体轨迹与交互结构，在多系统与遮挡实验中验证有效。
FoundAna：一种GNN辅助的图异常检测基础模型
首个跨图异常检测基础模型，融合GNN与Transformer，以重构误差为异常分，九个数据集上超越现有方法。
忠实却共谋：为何思维链监控无法在寡头竞争下检测LLM定价代理的共谋
LLM定价代理在寡头竞争中默契维持高价，共谋与思维链忠实度分离，故CoT监控无法单独防算法共谋。
什么才算策略推理？人类、引擎与语言模型国际象棋研究的系统性映射
系统映射84个国际象棋研究族系：研究偏重局面评估与行动选择，规划、解释、元认知与人机协作不足，并给出扩展方向。
BENCHCOMPASS：从评分到信号——支付领域大模型的训练与评测框架决策
支付基准BENCHCOMPASS用证据包构建专家审核任务并加攻击变体，16个模型暴露知识缺失、推理不足、拒伪不力等失败模式，仍未饱和。
匈牙利制造：生成式语言模型性能评述
匈牙利三项目生成式语言模型性能存疑：评测不可靠、数据污染、训练不佳、能力遗忘，亟需严谨实验。
M-SQE：多语言技能质量评估，促进智能体技能使用中的语言平等
提出检索后多语言技能质量评估框架M-SQE，缓解技能库英语中心，显著提升低资源语言任务成功率，促进语言平等。
好得不真实？诊断并缩小 AI 偏好与真实用户参与度之间的差距
117万条多平台回答显示，AI偏好重逻辑、真实互动重情感表达；OMRA干预使差距缩小54.4%。
FedPGT：面向时变信道下车载联邦学习的渐进式梯度传输
FedPGT随瞬时信道渐进传输大梯度分量，用李雅普诺夫在线调度，图像分类与轨迹预测性能显著提升。
坏天才：反事实引导的评测框架演化，超越任务特定捷径
提出CHASE，用反事实约束演化评测框架，抑制基准捷径，保留公开基准增益并减少有效协议变化下的增益破坏。
回滚世界，保留反思：面向长时程LLM智能体的回滚诱导反思
提出回滚诱导反思（RIR）：回滚环境状态并保留可复用经验，兼顾状态修复与知识留存，提升长时程智能体表现。
基于知识图谱的增强与检索增强生成在文化相关问答中的对比
在LatamQA文化问答基准上，图谱增强与RAG性能相当，将LLM错误降低72%–78%，并可零样本迁移至葡萄牙语。
SEA-LION-v4.8：技术报告
推出基于NVIDIA Nemotron 3的SEA-LION-v4.8系列（30B-A3B与120B-A12B），经继续预训练与后训练，SEA-HELM得分升至51.57和63.44。
通过可执行安全规则蕴含实现视觉合规
GuardEn将安全规则编译为可执行原子命题，测试时结合场景图执行，实现可解释的视觉安全推理，F1提升9.8。
超越嵌入迁移：Grokking 迁移与稳定性中的组件作用
跨算子迁移中，注意力/MLP与嵌入/读出加速泛化；冻结载体、门控抑制复发回撤，非阿贝尔群无确认增益。
REPAIR：通过事实核验的迭代精炼解决科学检索器中的长尾混淆
REPAIR经长尾诊断、证据扩展与难负例挖掘迭代合成事实数据，在9项材料与生物医学基准上超越19个基线。
Agora: Git as Shared Memory for Collective AutoResearch
注意力分散作为大语言模型幻觉的诊断信号
用无监督注意力分散指标检测幻觉，注意力熵峰值对应推理崩溃，GSM8K上AUC最高提升0.076。
智能体应部署在何处？面向边缘-云连续体的智能体式AI能耗-内存表征
代理式AI生命周期能耗指标；智能体间文本传输仅占极小能耗，通信引发的额外推理与上下文处理才是主要成本。
Colla-Q：通过极小极大精度平衡实现MoE量化中的专家协同
提出基于激活熵的比特分配框架Colla-Q，平衡各专家精度以促进协同，提升MoE性能并降低对校准数据的依赖。
依赖感知的轨迹精炼：实现高效多轮智能体微调
将轨迹视为轮级依赖DAG并精炼微调，准确率提升1.7pp，推理消息与token减少约40%/48%。
情感体验、表达与感知：多模态社交媒体帖子的情感分析
研究多模态社媒帖子情感分析，构建Mult2EMo数据集，发现情感重建可行但困难，理解触发事件是关键。
iMINDBench：iEEG多机构神经解码基准
提出iMINDBench：跨三数据集十五项任务的iEEG多机构解码基准，统一预处理与评估，预训练模型仅微弱优于强频谱基线。
规划还是即兴？在开放模型与开放跨层转码器上对诗歌规划位点进行压力测试
在开放模型上压力测试押韵规划：因果位点位于输出邻近处而非换行符，未复现换行规划机制。
谁审计谁、基于何种基座、凭何证据？面向智能体 AI 的独立性分级审计协议
智能体AI审计独立性沿主体、基座、证据三轴分级，按最弱环节聚合，移植β因子模型，提出七步可验证协议。
从单条轨迹学习分数阶动力学
从单条轨迹辨识分数阶线性系统，提出FO-GS两阶段估计，误差O(t^{-1/2})，优于基线。