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。
市场信号注入：针对大语言模型定价智能体的对抗性上下文操纵
大语言模型定价智能体易受市场信号注入攻击，情感表述影响最大并可传播；输入规范化可消除测试攻击。
构建人工智能信任：铁路应用的必然要求
铁路AI需提升鲁棒性、运行设计域与可解释性，并在安全MLOps环境中系统整合，以获监管与公众信任。
重新思考如何评估医疗人工智能的方法学进展
重实现12种EHR算法，发现算法比较可跨任务与数据集迁移；新方法未必更优，梯度提升树仍具竞争力。
无需搜索即可触达每个位置：超立方体上的旋转稀疏连接作为注意力替代
超立方体维度逐层旋转固定稀疏连接，以2n链路在log₂n层覆盖全部位置；语言建模中优于注意力，更省参数、更快，学习率窗口更宽。
LIGE-GR：大语言模型时代从排序到生成式推荐的平滑跃迁
提出LIGE-GR，将排序升级为列表生成与评估推荐，兼容系统，停留时长提升1.14%/0.72%。
通过潜在神经符号推理解耦长期记忆
LGM框架将长期记忆解耦至连续潜在空间，用稀疏自编码器动态构建查询感知潜在图，提升个性化推理。
校准置信度的海市蜃楼：视觉语言模型中语言化置信度的轨迹无关性
VLM的语言化置信度与推理轨迹脱钩，现有校准指标无法察觉，作者提出TGS分数及配套基准加以检测。
理性的声音：面向口语数学的强化学习
将强化学习应用于GLM-4-Voice语音模型，显著提升数学推理准确率，结合流式推理达74.8%，创语音原生模型新纪录。
HPOQuest：基于主动表型采集的罕见病诊断智能体
HPOQuest无需训练，通过迭代主动采集表型更新疾病排序，从稀疏表型显著提升罕见病诊断，Recall@1增30个百分点。
PACT：企业级 AI 助手在压力之下还值得信任吗？
PACT基准测评企业AI助手在多重压力下的规则遵从性：22个模型会违规，施压使违规率平均升65%。
超越常规合规：狡黠数据培养大语言模型的安全警觉
提出狡黠问题训练，增强大语言模型安全警觉，提升越狱鲁棒性和安全微调效果，降低攻击成功率。
探针偏移并非公平性修复：语音模型中表征引导的局限
语音模型可线性解码说话人属性，但据此引导表征未必能缩小WER差距，甚至更差；公平干预需多层联合评估
APGEM：面向真实世界CVRP案例研究的量子强化学习自适应策略引导误差缓解
APGEM在线自适应选择ZNE、PEC、CDR、REM，将真实CVRP高噪声下近似比提升至0.92–0.94。
大语言模型智能体系统中的集体失控：突变、传染与恢复的流行病学解释
提出突变、传染、恢复框架：局部偏差经隐性通信传播，若快于纠正可致集体失控；需审计通信、增强抵抗与恢复。
超越二次损失：Adam 的稳定性相图
(β1,β2)相图显示，Adam损失尖峰源于动量时间尺度失配与有限尺度超二次损失几何。
MoRE：复用专家混合模型
提出MoRE，相邻层共享专家池、各层独立路由并加深度嵌入，同预算下优于标准MoE与权重共享模型。
DyMT-ESB：用户与大语言模型交互中社会偏见的动态多轮评估
提出响应驱动的动态多轮评估协议，发现大模型交互中偏见延迟出现、非单调波动并可再度浮现。
面向生物医学知识图谱鉴别诊断的双曲图表示学习
在患者整合生物医学图上，双曲图表示学习以更低维度优于欧氏基线，并可用于候选疾病排序与鉴别诊断。
情境中的文化能力：一个大语言模型在芬兰通过图灵测试
芬兰语图灵测试中ChatGPT 5.2意外通过，误因参与者依赖口语线索；图灵测试可比较社会成员资格。
WetRobo：面向生物实验室编码智能体的可复现机器人套件
WetRobo可跨实验室迁移：实验者自然语言下任务，编码智能体自行编程适配，无需遥操作或训练；三项任务成功，VLA迁移失败。
谬误基准评测的是论证图式识别，而非谬误检测
谬误基准的低假阳性率源于类别构造假象；模型识别的是论证图式而非谬误，须审计有效类的图式匹配覆盖。
总账数据中的异常检测：一种混合方法的结果
研究将审计日记账分录测试与机器学习混合，用专门模型降低误报、提升总账异常检测效率。
突破边界：面向渐进式大语言模型演化的统一自学习框架
提出STRETCH框架，动态对齐难度，双角色协同进化，稳定训练并提升推理。
首词元至关重要：理解大型推理模型中的安全崩溃
大型推理模型在推理起始首词元处拒绝信号骤降；提出推理时注入安全锚的轻量干预，提升安全并保持推理能力。
风险感知世界建模与流引导占用演化驱动的自动驾驶选择性轨迹规划
提出RiskWorld风险感知世界模型，融合风险场与流引导占用演化，选择性替换轨迹，nuScenes上3秒碰撞率最低。
轻量级CNN集成紧凑卷积Transformer用于多尺度特征学习并降低乳腺癌钼靶图像检测与分类的计算复杂度
提出CNN集成紧凑卷积Transformer的轻量模型，仅25万参数，3个乳腺癌钼靶数据集准确率达99%-100%，并可解释。
神经表征中的变换法则：结构、可实现性与构造
研究神经表征变换的相容作用与可实现性，以颜色发现低次谐波结构，并构造旋转接口，对未见形状零样本读色相误差3.4°。
大小很重要：面向捷克语 HTML 文档的基础模型
154M参数HTML感知基础模型，基于1亿捷克网页多目标训练，性能超越更大模型并已投产。
网页浏览中的行为指纹识别与导航预测
短会话可识别用户，长期结构与近期行为可预测下一步导航，重复交互模式主导，LLM语义增益有限。
选择靠检索，弃权则不然：面向70个韩英双语动作的端侧工具路由
在600个韩英请求、70个本地动作上，检索擅选工具但不擅弃权；弃权需神经编码器，端侧受延迟内存约束。
基于GAN的鲁棒DDoS攻击检测框架
提出融合WGAN-GP对抗增强与机器学习模型的DDoS检测框架，用合成对抗流量显著提升检测精度与鲁棒性。
多智能体网络中的偏见放大：有偏智能体如何塑造观点与修辞
少数有偏智能体即可显著改变LLM网络中多数智能体的观点，修辞趋同先于数值趋同，且比FJ模型更快。
对齐、整合与发放：面向零样本语音大语言模型的高效词元级对齐
提出对齐连续整合发放框架，动态压缩声学帧至文本词元长度，无需LLM前向，单层蒸馏，零样本语音任务领先。
基于统计机器学习的英语与叙利亚语（东叙利亚方言）机器翻译
首个英-叙（东叙利亚方言）统计机器翻译模型，基于圣经语料，最佳BLEU 23.54，数据模型公开。
F-DACE：面向安全弃权的对话式零售决策支持的模糊分歧感知因果证据融合
F-DACE：模糊融合因果证据并硬否决；模拟67.2%决策、17.2%误荐，零售全弃权，代理准确抗扰
TRIPROBE：面向可解释AI的超越分类的任务可分性探测
TriProbe多级探测框架，在输入、特征与分类器三层追踪任务可分性，定位瓶颈，指导数据采集与架构设计。
超越词频度量：上下文嵌入能否捕捉科学文本中的语义变化？
比较词频与上下文嵌入追踪科学文本语义变迁，二者互补，嵌入可发现词频遗漏的概念演进。
AeroWeaver：将空中技能编织为分布式自适应集群执行的具身智能体框架
AeroWeaver将无人机技能编织为任务级协同行为，支持分布式执行与基于经验的在线自适应学习。
基于标签保持聚合重组与预测一致性的多电器非侵入式负荷监测
利用标签保持的聚合重组与预测一致性约束，提升跨用户NILM精度且不增加推理开销。
TERN：一种面向流行病预测、带季节参考与在线自适应的Delta规则记忆模型
TERN以带门控的delta规则记忆结合季节参考与在线自适应，在流感预测中优于图模型与通用预测器。
面向密集健康叙事的结构化主张级话语表示
提出主张级结构化话语表示框架，构建四领域1191条标注基准；大模型擅主题与立场，高维语用刻画仍难。
递归推理还是统计外推？多智能体相互依赖决策中的上下文学习
多智能体博弈实验显示，历史统计规律被破坏时长上下文优势消失，LLM上下文学习更似统计外推而非策略推理。
可解释的基于图块的深度学习：从集合模拟预测野火蔓延
以万级2米分辨率模拟训练深度学习模型预测野火蔓延，仅地表可燃物载量有效，卷积模型主要依赖距火线距离。
EviGen：面向可验证临床推理依据生成的预测性证据脚手架
EviGen 以预测归因检索证据为脚手架，助大模型生成临床推理并逐步验证，提升预测性能与忠实性。
轨迹可学习性：面向不完美教师的离线同策略蒸馏
用教师成功样本训练的似然变化衡量轨迹可学习性并加权离线同策略蒸馏，无需额外生成，提升效果且更省算力。
进化驱动推理：面向基于大语言模型的假新闻检测的自动元路径发现
提出MAGER多智能体遗传进化框架，自动发现适配LLM的元路径，压缩传播图，提升冻结LLM在少样本下结构感知假新闻检测性能。