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。
报告实践很重要：参考报告选择对胸部X光报告评估的影响
放射报告习惯差异会显著影响AI报告评估，甚至改变模型排名；提出ReRef改写参考并发布验证数据集。
当编辑流即是编辑跳跃：复现 Edit Flows 与 EvoFlows
Edit Flows 与 EvoFlows 实为同一编辑跳跃过程；作者开源通用抗体编辑器 EditJumps，并揭示隐藏的速率缩放参数与评测指标的敏感性。
一刀切行不通！面向RAG的动态检索器与生成器选择
提出DRAG，按查询动态选择检索器与生成器配置，联合自适应比静态RAG更优地平衡效果与效率。
BLADE：面向事件相机目标检测的可靠动态硬件感知SNN-ANN边界选择
提出BLADE，首个可靠性感知的动态混合SNN-ANN边界选择方法，联合优化精度、时延、能耗与可靠性。
REQAP：面向边缘DNN加速的弹性权值打包与量化
提出敏感度驱动混合精度量化与寄存器级权值打包，复制关键层高位容错；内存降62%、MAC降56%，故障下精度更稳健。
在维基百科摘要上玩 log(N) 问题游戏：配对前沿模型间的通信效率
六款前沿模型配对玩log(N)问答博弈，胜率随文档集规模增大而下滑，每问信息量决定成败。
重新审视分布式基于符号的方差缩减
针对分布式符号方法在异构数据下的偏差，提出服务器端无偏压缩跟踪全局梯度，取得非凸随机与有限和优化最优收敛率。
重新审视PPO中的评论家学习：理解与缓解价值扁平化
PPO评论家存在价值扁平化失效模式，源于隐式方差惩罚与冗余更新；对少数状态稀疏监督可缓解并提升策略。
在LLM评估中利用内部表征监测与发现奖励作弊
研究发现，简单均值差向量能低成本检测大模型奖励作弊，并可借思维链提前预警。
ScienceIDE：将全球科学代码库转化为智能体可学习环境
将科学代码库转化为智能体可学习的可执行环境，支持任务生成与科学验证，训练PhAI-IDE系列模型，实现能力正向迁移。
动态网络中的去中心化最优均衡学习
动态网络下仅凭局部收益去中心化学习社会最优均衡，提出语义信号与表格融合，具对数遗憾保证。
字里行间：大语言模型能否发现文本背后的问题？
提出"问题考古"任务，推断催生文本的原始问题；新数据集评测显示，当前大模型在该任务上已超越人类。
WaveTLM：通过任务编译实现可靠的时间序列语言建模
WaveTLM将请求编译为类型化任务状态，契约有效覆盖率达99.40%，远超基线37.83%。
结构并非机制：跨文本与基因组基础模型的高增益门控前馈网络行
高增益门控前馈网络行是反复出现的表型：结构显著仅提示富集，不衡量功能关键性；富集普遍，机制因模型而异。
单源不可拆分流中的独立系统实现
提出单源不可分流中独立系统的路径封闭实现，证明有限无环独立系统可多项式表示，并给出奇环阈值与证书。
NeuroECG：基于ECGFounder的深度心电表征，用于心脏骤停后无需脑电的神经预后预测
微调心电基础模型提取床旁心电深度特征，融合临床变量，实现无脑电的心脏骤停后神经预后预测。
深度V学习的收敛性框架：误差传播与紧致的动作间隙界
建立深度V学习收敛框架，分解六类误差，在集中性下控制策略损失，给出动作间隙紧界与统计误差分配。
学习为机器学习编程自适应非局域可观测量
提出QFWP-ANO，用经典超网络按输入动态编程量子线路参数与非局域可观测量，预测与强化学习均超基线。
进化式集成搜索：委员会引导的持久记忆程序进化
EES以委员会引导程序进化与持久记忆，结合验证门控集成，在MLE-bench Lite 22项任务中19项达奖牌阈值（11金5银3铜）。
大语言模型偏好对齐的零阶范式
提出零阶偏好对齐法ComPO，基于比较oracle，离线收敛、在线KL控制，实验优于直接对齐并缓解似然位移。
可解释多示例学习实现急性髓系白血病常规流式细胞术对关键分子改变的早期预测
可解释多示例学习模型利用常规流式细胞术，数小时内即可预测AML关键分子突变，且预测可溯源至细胞表型。
面向MLLM推荐的可扩展显式用户理由
提出SARA框架，将稀疏的显式用户理由大规模生成并融入工业排序，提升互动、减少负反馈。
Safety-Flag：面向大语言模型内容审核器可靠性与校准的统一基准
统一七大安全基准评测十个模型，发现准确率掩盖错误方向、模型普遍过度自信，置信度弃权可降低选择性风险。
WARD：面向可信边缘AI的运行时工作负载自适应视觉Transformer框架
WARD运行时自适应ViT框架，融合子网划分、可靠持续学习与动态调度，FPGA验证低故障率、低开销。
防止模型崩溃：Fisher-Rao视角下的合成数据训练动力学
基于Fisher-Rao几何分析合成与真实数据混合训练，给出防止模型崩溃所需人类数据比例的新下界。
面向生物医学关系抽取的大语言模型基准评测
在SNPPhenA语料上评测MLM、混合架构与主流大模型，覆盖句子级、摘要级及关联强度分类；O1少样本刷新句子级与摘要级SOTA，微调Gemini 2.0 Pro关联强度最佳（F1 0.60）。
重新思考天文学语言模型中面向开放式科学推理的领域专业化
300道天文奥赛问答基准显示：强通用模型正确率最高，领域专精价值随任务与部署而变。
MIRAGE：对话状态如何塑造多模态个人智能体中的历史证据使用
历史证据使用随状态非线性变化，压缩前后失效不同，开源模型依赖上下文，检索压力压缩后反退化，按状态评估。
跨LPBF离焦工况的IN718晶体织构强度：基于物理的预测、不确定性量化与决策
两阶段物理模型结合残差学习、适用性门控与保形区间，实现IN718 LPBF织构可迁移预测与决策。
专家混合语言模型中专家的高阶剪枝
HOPE二阶专家剪枝，建模专家间协同，50%剪枝率下优于REAP，复杂智能体任务增益达6.1%。
底层自动机：加性输入通路是 Householder 线性 RNN 中状态跟踪的寄生吸引子
删除加性输入项后，Householder 线性 RNN 能精确学会自动机并长度泛化；该通路实为寄生吸引子，会破坏并掩盖正确解。
PageRecall：衡量基于文献的问答中的页面选择
证据定位瓶颈在检索而非阅读；改为整篇输入论文后页面召回率达100%，论文F1为0.762。
HINT-Plan：基于视觉语言模型的富上下文环境中人类意图感知机器人任务规划
HINT-Plan用视觉语言模型预测人类意图并转为目标状态，结合场景图实现人机联合规划，成功率69.71%。
StableEval Arena：面向稳定币价格稳定性预测的成本感知智能体基准
提出成本感知智能体基准StableEval Arena，评测稳定币脱锚风险预测，发现智能体结构化输出可靠却漏判多数严重脱锚案例。
当AI生成协变量：序贯实验中的因果类型与估计量漂移
提出序贯实验中AI生成协变量的因果类型规范与估计量锁定，避免角色混淆、信息泄漏和估计偏差。
CALOS：面向四旋翼安全深度强化学习的控制仿射李雅普诺夫流形上安全层
提出CALOS运行时安全层，二次规划实时修正力矩，确保四旋翼姿态约束零违规，跟踪误差降55-60%。
变点感知世界模型：检测动力学突变并通过遗忘陈旧回放实现恢复的基于模型强化学习
变点感知世界模型检测动力学突变，遗忘陈旧回放并保留表征，突变后恢复远快于被动重训。
相关性引导的多编码器大型音频语言模型编码器选择
提出CUES：用编码器间性能相关性估计互补性，无需融合训练即可选组合，多基准上超越单编码器。
TwinMark：一种在特征与Logit蒸馏下可证明存活的统一水印
TwinMark统一水印用协方差投影和Fisher-logit双读出共享密钥，可证明抗特征与Logit蒸馏并经多任务验证。
ActionPiece：重新思考自回归视觉-语言-动作模型的动作标记化
提出物理秩一致性PRC与ActionPiece，以保序监督优化动作标记化，提升VLA策略成功率。
通过适配器唤醒编码器：语音大语言模型的有效领域自适应微调
EAVA在语音编码器各层插入适配器单独训练，再用LoRA联合微调，提升儿语和方言等域偏移ASR性能。