CERA-MoA：路由机制与持续学习LLM智能体协同演化
提出CERA-MoA框架，路由与持续学习LLM智能体协同演化，按能力自适应调度并分配样本，提升性能与效率。
生成式AI对学生学习的不均衡影响：考察AI相关课程中依赖、评估素养与课程政策的作用
对118名AI课程学生的调查显示，生成式AI的学习影响因依赖、评估素养和课程政策而异，院校应完善政策以促进公平。
每个固定指标都有盲点：一个为预报真实性打分的可学习大气评判器
训练判别器区分预报与真实天气，用其输出构造可自适应失败模式的真实性评分，在合成损坏上优于固定指标。
PersonaPath：面向以知识为中心的个性化学习路径规划
提出PersonaPath基准，含2000学习者画像与347本教材知识图谱；评测显示大模型个性化路径规划适应性不足。
在不断变化的领域中追踪个体知识轨迹：以广义相对论与引力为例
通过比较研究者著述与领域文献，追踪广义相对论与引力五十位作者，发现语言、语义与引用轨迹分化。
超越截断：将大语言模型解码重新审视为一类集成剪枝
将LLM解码视为集成剪枝，用马氏距离目标与贪心选择抑制冗余候选，保高概率、低开销，多任务表现优异。
工具增强的演绎推理为LLM提供线索
以多智能体《Clue》桌游为环境，用可能性矩阵将隐式状态显式化，提升LLM演绎推理质量与成功率。
可靠虚拟感知：传感器故障下鲁棒性的多领域基准
首个多领域基准MuViS-C显示：十种传感器故障下所有虚拟感知模型均显著退化，梯度提升树最稳健。
HearInContext：语音识别中隐式上下文的基准测试
中英双语同音词基准含3764用例，微调Qwen3-ASR使隐式上下文目标召回提升约11个百分点。
带潜在混杂因素的结构方程模型：可证明保证与高效学习
提出带潜在混杂的线性结构方程模型学习法，稀疏加低秩恢复精度矩阵，迭代重建因果图，并给出样本复杂度保证
面向低资源语言的自动化NER标注纠正可扩展框架
提出多步框架，结合自训练与双阈值迭代机制自动纠正NER标注噪声，显著提升低资源语言NER性能。
空间自适应噪声注入
提出SANI，按像素自适应注入噪声，仅在需校正处加噪，提升FID。
LocQE：利用后编辑实现本地化质量估计的原则性领域自适应
利用少量后编辑多任务微调，构建本地化质量估计模型，更好区分优劣译文。
面向规范性文档的版本与适用范围感知问答：一个已部署系统及生产规模的端到端评估
规范文档问答须核验版本与适用范围；7.3万文档、200题评测中，治理系统得97.7分，超托管服务9.6分，已商用。
哪种大语言模型最适合将自然语言目标翻译为PDDL
六种LLM将自然语言目标译为PDDL，准确率均超92%，Gemini 2.5 Flash最准。
谱结构化预测的可证明保证
研究带边翻转噪声符号图的二值节点标签恢复，为谱方法提供首个可证明保证。
重新审视回声室检测的目标函数
首次形式化回声室检测目标函数，提出可扩展半定松弛算法，实验表明其优于竞争方法。
ReFigBench：将科学图表重建为可编辑PowerPoint产物的基准测试
新基准用千张概览图评测科学图转可编辑幻灯片；感知是瓶颈，工作流与框架影响质量，保真与可编辑性难兼顾。
手语手形的零样本跨语言识别
首个零样本跨语言手形识别框架，利用五种共享音系特征从美国手语迁移至加泰罗尼亚手语，无需目标语视频标签。
长寿命角色，本地推理：面向游戏NPC的增量记忆维护
研究量化模型中游戏NPC的增量记忆维护：真尾更新保留循环状态与KV，实验保持关键绑定并避免语义错误。
被抑制，而非被抹除：被编辑事实的表征痕迹在无权重知识编辑下依然存留
编辑事实后，原对象仍可从隐藏状态线性解码，即便GRACE不改变权重，说明编辑只是抑制而非抹除原关联。
模式链接之死？推理能力强大的语言模型时代的 Text-to-SQL
新模型可容忍大量无关模式，故弃用模式链接，改用增强、选择与纠错提升准确率，BIRD 基准达 71.83% 居首。
无限参数大语言模型：从实时数据生成并适配权重
借鉴MoE，小型超网络将实时数据转为基网低秩调制并在线更新信念，权重动态生成，存储固定而参数无限。
基于递归张量草图的少随机比特精确迹估计
针对隐式矩阵迹估计，提出递归张量草图估计器，仅需O(p(d+m)log m)随机比特，无偏且方差随p多项式增长。
组合式策略违规：当步骤级合规在智能体AI工作流中失效
智能体工作流仅按步治理，整体政策约束下每步合规仍可组合违规；提出四类CPV及溯源全轨迹运行时架构。
LangSelect：面向LLM代码生成的成本感知目标语言路由
LangSelect按成本选目标语言、失败回退，实测token降50.3%，通过率92.9%。
人工智能的性演化：多代模型种群的群体遗传学框架
将多代AI模型视作种群，借群体遗传学解析有性/无性繁殖、模型崩溃与生殖隔离，框架可移植自生物学。
迷失于感知：在多模态物理与几何推理中分离感知失败与推理失败
五项诊断实验分离多模态物理几何推理中的感知与推理失败：感知错误拖累表现，错误类型因领域而异。
超越结果：面向高效智能体基准测试的双视角关系学习
提出双视角关系学习，联合结果与过程信号压缩智能体基准，仅20任务达24–40倍压缩并提升评分预测。
对话式AI中的熵：作为可推断内在性的结构化不可预测性
提出“结构化不可预测性”概念，机制增加词汇新颖性，但未建立路径依赖。
CoRe-MARL：未知动态下基于循环多智能体强化学习的协作再分配
提出协作多智能体强化学习框架，在未知动态下再分配应急物资，缩小区域服务差距并改善最差地区服务。
一项人权价值几何？ECtHR-NPD：预测非金钱损害赔偿金额的基准
首个欧洲人权法院非金钱损害赔偿预测基准，含14,575案；先进模型未稳超基线，难判零赔偿并校准高额。
无标签引导：将测试时强化学习压缩进仅偏置子空间
冻结主干，仅优化约十万偏置，多数投票作奖励，MATH-500达76.67%，参数少7.6万倍。
当审计质量无法预测下游效用：面向低资源非洲NLP的合成数据选择器反事实研究
在四种非洲语言上，审计质量排名与下游F1排名不一致，审计优的合成数据池未必提升下游效用。
函数居于方差缺席之处：语言模型计算的任务加权坐标图
计算维度由所选函数决定：任务加权坐标图显示下一词预测需70–90%残差流宽度，与激活方差无关。
MUSE：面向情境教育中多模态理解的大型视觉语言模型基准评测
MUSE评测视觉语言模型在教育情境下的图像多模态理解，含十二项跨文化任务，揭示情感与组合推理短板。
MechSparse：机制引导的稀疏PEFT选择受任务塑造
因果选择器在信息抽取与翻译中均未胜出；结构主导任务宜用激活范数，因果得分适合内容主导任务。
跨配电网聚合层级的峰值感知短期负荷预测
研究配电网多聚合层级峰值感知短期负荷预测，Chronos-2高需求期表现最优且可实用部署。
编译式能动性：前沿通用编程智能体从裸交互中构建获胜游戏玩家——从Flappy Bird到星际争霸II与文明
编程智能体仅凭裸接口，单次自主编写并冻结控制器，在星际争霸II与文明中击败AI，即"编译式能动性"。
ReDIL-GNN：面向电路图神经网络的再综合域增量学习
提出ReDIL-GNN与再综合适应指数RAI，实现电路图神经网络跨综合风格的域增量学习与部署控制。
面向IEC 61131-3梯形图程序形式化验证的基准套件与真值方法论
首个覆盖文本与梯形图的PLC形式化验证基准套件，含50程序83变体与形式属性、判定及违例见证，并提出三分真值方法。
WordPolo：通过迭代语义反馈评估语言模型
WordPolo以语义相似度反馈猜词，评估模型迭代推理，新进展指标揭示过度思考等问题，需兼顾过程与结果。
旗帜游戏：机制性群体可解释性的玩具模型
提出“旗帜游戏”玩具模型，揭示集体信念由小群体崩溃随规模增大转为极化，以社会回路归因与统计力学解释。
基于蒙特卡洛规划的在线鲁棒强化学习
提出鲁棒MCTS，缓解转移动态与奖励分布不确定性，保证节点收敛，并在高不确定规划中表现稳健。
双过程语言智能体的认知扩展：交互环境中的记忆与自我反思
为双过程语言智能体加装自适应记忆与自我反思模块，实验显示全系统表现最佳，执行时控制为主要瓶颈。
结构化马尔可夫决策过程中决策边界的几何理论
提出结构化马尔可夫决策过程的决策边界几何理论，以边界几何刻画策略重构的最小表示及复杂度，并给出统计保证。
TalkMatrix：生成兼具一致性与多样性的角色对话
提出矩阵式联合选择，为角色—情境生成多候选，兼顾一致性与多样性，角色扮演实验优于基线。
弱化神经元：Transformer中具有超常影响力的输入—输出功能
GLU神经元输入输出余弦为负即弱化神经元，多现后期层，数量少却常激活、影响大，负门值时尤显。
模型选择需要多少标签？选择性预测的证书与预算
量化AUGRC模型选择标签预算：预标签下界与≤K−1证书，实测常需56–57%，预训练达68–91%。
目标 vs. 搜索：解构什么造就了好的分词器
解耦分词器的优化目标与搜索过程，发现搜索过程而非优化目标是主导因素：自底向上分词器比特/字节更低，但在BLiMP上无一致规律。