幻觉揭示了多模态推理的什么？——通过对比解码探针诊断视觉接地失败
提出免训练SAFE，对比视觉有据与消融路径，检测并惩罚无据token；发现视觉依赖衰减、幻觉成簇，早期干预可减少成簇。
表格基础模型仅凭单张表即可涌现泛化能力
单张真实表自监督预训练即可让表格基础模型跨域泛化，任务数量与质量是关键。
人类与大型语言模型如何从性别中立的外貌描述中解读性别
外貌描述仍带系统性性别联想，人机解读存在偏差，非二元性别尤甚。
腐化计划，干净痕迹：以计划注入规避思维链监控
植入无害推理的"计划注入"可让模型执行有害行为并规避思维链监控，难任务上仍有效
超越言语通道的否定：对话中的时序多模态关联
多模态行为无需词汇声学即可预测对话否定；信息集中于线索起始，面部特征贡献最大。
ViD：面向大型视觉语言模型的视觉主导性别偏见缓解
提出 ViD，以视觉主导交叉注意力缓解大型视觉语言模型性别偏见，无需额外训练且提升公平性。
SAVTrack：面向可靠性感知点云跟踪的选择性投票聚合
SAVTrack通过选择性投票聚合，利用局部与运动上下文评估投票可靠性，剔除低置信假设，提升稀疏点云跟踪性能。
面向聚合洞察生成的差分隐私语义计划
提出DP-SPIN：记录映射为语义草图，发布加噪概念质量，后处理生成差分隐私聚合摘要并验证。
Atria Dawn：智能体超级智能的黎明
以可验证经验流程训练的基础智能体模型，多项基准领先；人机协作升至项目级伙伴，人类保留最终决策与监督。
物理感知ACOPF代理学习的缩放定律
ACOPF代理缩放：MSE约束违反随规模增长约为AL两倍；AL训练时间增10倍，违反降近30倍，内存几乎不增。
基于集合聚合的循环图神经网络
基于集合聚合的循环图神经网络与可达/安全性质的布尔闭包BΣ°₁双向等价，无需计数逻辑或停机信号，可由权重验证。
我如何学会不再担忧并爱上 StopGrads：驻点性、收敛性与流映射学习案例研究
提出 StopGrad 回归原理，证明流映射目标唯一驻点为真实流映射并具收敛性，可将训练内存减半。
AlgoEvo：面向自动算法发现的自进化智能体搜索
提出自进化智能体框架AlgoEvo，将算法发现变为交互式知识积累，以更少评估与Token媲美或超越专用方法。
早试点、晚承诺：技术快速进步下企业AI采用的实物期权模型
构建两期实物期权模型，比较企业AI立即部署、试点与等待；技术进步快会增加试点，但不支持不可逆承诺。
面向视觉状态空间对偶的通道级与令牌感知训练后量化
CTOAC按通道学习裁剪并令牌均衡重建，提升VSSD低比特量化精度，RTX4090加速1.42倍。
Stellar Colosseum：面向数学与理论计算机科学长时程研究的多智能体框架
多智能体框架Colosseum以并行生成、证伪与树聚合分配推理，在TCS-Bench上达71.0%，攻克多个开放难题。
LongAgent：面向纵向结局预测的历史引导智能体搜索
LongAgent智能体自主搜索变量组合、时间窗与聚合函数，借历史记忆引导探索以预测纵向结局。
基于LLM路由优化SQL生成
首个Text-to-SQL的LLM路由，动态选模型在BIRD上兼顾准确率与成本。
不止于鸭叫：将语言模型与 RAG 深度集成到 DuckDB
FlockMTL将LLM与RAG集成进DBMS，以模型函数和成本优化简化知识密集型分析。
DiaWhisper-DPO：通过失败挖掘偏好优化实现临床访谈的角色归属转录
提出DiaWhisper端到端模型，微调Whisper加角色头，结合失败挖掘DPO，实现高角色准确率与低DER。
面向边缘视觉语言模型的高效量化感知蒸馏与跨模态对齐
统一框架联合蒸馏与量化，借助RGB引导的跨模态适配器缩小模态差距，提升边缘部署效率。
IMVS：基于测试时自适应的交互式医学体分割——标注放射学数据集的新方法
IMVS闭环框架：在线微调2D适配器、冻结3D跟踪器传播矫正掩码，标注效率提升14.4倍。
注意力平均场预测平均表征动态并揭示上下文特定计算
提出注意力平均场，通过平均注意力核迭代预测表征几何演化；偏离平均场可度量上下文特定计算。
以病灶为中心的结肠镜检查三维建图：在公开基准视频上验证分层集成流程
四层流程在公开结肠镜视频中实现病灶定位、重访检测与局部三维重建，无需全结肠重建。
PriorPose：面向类别级物体位姿估计的参考引导联合变形与对齐
提出PriorPose，参考引导联合变形与对齐，显式保留类别先验，多项指标达最优。
基于自监督跨模态重建的机械多模态时间序列鲁棒故障检测
提出跨模态重建异常检测框架，通过模态互重建与自适应阈值应对分布偏移，增强故障检测鲁棒性。
能力保持型简历扰动揭示大模型筛选中的呈现敏感性
控制简历呈现方式变而能力证据不变，发现LLM筛选效度与稳定性脱节：高准确率下决策翻转率仍达29.6%–41.4%，评估需兼顾决策稳定性。
基于条件整流流与优化采样策略的高效三维全身PET图像去噪
单次条件三维整流流框架结合优化采样，30秒重建全身PET，超低剂量去噪优于3D DDPM/DDIM
用于基于仿真的滤波的生成模型：形式化与实证比较
统一生成滤波框架并比较三类新滤波器；均可刻画多模态后验，无单一最优，选择取决于在线预算与集合规模。
早鸟解码：通过可学习块大小与并行采样加速扩散大语言模型
早鸟解码以可学习变长块和并行采样，免改权重加速扩散大模型，吞吐最高18.76倍且精度相当。
MEgoVista：面向野外场景的公制4D手部与头部多视角自我感知运动估计
MEgoVista 从单段第一视角视频重建公制双手与头部运动，统一于重力对齐世界坐标系，以标定双目定尺度，并经独立动捕评测。
MAETrack：释放预训练几何先验在3D单目标跟踪中的潜力
发现MAE浅层保留几何、深层特化于重建，提出浅层选择性初始化与几何残差门控的MAETrack，低开销超越微调基线。
HLC-GS：面向光学卫星影像DSM重建的风险图引导高度层一致性高斯泼溅方法
针对3DGS重建DSM时高度层混合致高程失真，提出风险图引导的高度层一致性高斯泼溅法HLC-GS，有效提升精度。
超越姓名：去标识化简历中的人口统计泄露与LLM偏见审计中的评估伪影
去标识化简历的非语言文本仍泄露族群信息；高显著线索准确率饱和，评审是否允许平局显著影响偏见审计结论。
风格去偏DPO：以事实性感知的合成偏好数据更新大语言模型知识
提出风格去偏DPO，识别并反转事实正确但风格不同的被拒回答，消除风格偏差，高效更新知识。
PunGraph：面向双关语理解的检索增强语音-语义图推理
提出PunGraph检索增强语音语义图框架，发布WebPun数据集，有效提升双关推理性能。
De-GAN——面向三维医学图像分割的动态参数调优GAN：迈向泛化的一步
提出DE-GAN：融合动态卷积、风格混合与坐标编码的增强GAN，生成自适应FLAIR提升脑肿瘤分割泛化性。
面向海冰类型预测的多标签比例学习
将海冰类型预测重构为弱监督多标签比例学习，提出MIL+MLPL框架和多模态融合，实验显著提升精度。
FSANet：用于图像分割的频率-空间感知网络
提出频率-空间感知网络FSANet，融合先验与双域求解，并发布SceneX数据集，提升分割鲁棒性。
基于完全一阶梯度的联邦随机双层优化
提出仅用一阶梯度的联邦随机方差缩减双层优化算法，免二阶矩阵，恒定单时间尺度学习率，实验验证有效。
基于网络数据与大语言模型的组织环境行动量化
研究用大语言模型从网页量化组织环保行动，以美国犹太教会为例，比较三种检测方法，直接分类覆盖最广。
基于状态预测神经网络的多目标IMM跟踪
提出PR-IMM，将Transformer状态预测模型作为新模式融入IMM，结合雷达多普勒，位置误差较IMM降57.3%、ID切换减25.3%。
审计的挑战：健康领域大型语言模型输出的变异性
健康大模型输出因访问方式而异；API评估与消费者聊天体验脱节，削弱审计有效性，需支持复现真实设置。
基于模型的强化学习实现液滴自主导航
基于模型的强化学习实现液滴自主导航，无需仿真，在部分可观测下穿越直角与弧形路径，策略可迁移。
化学与几何表示保真度提升药物-靶点亲和力预测
DTA表示阶段信息丢失为上游瓶颈；ReGeoDTA保留化学异质性与连续几何，提升预测，表明表示保真度是关键设计原则。
基于后验事件传输的单轮联邦贝叶斯模型认证不确定性传播
提出后验事件传输认证框架，将本地后验事件经联邦平均聚合传播，为单轮联邦贝叶斯模型给出部署安全概率下界。
规划即动力学弛豫：海马循环网络实现最优目标导向导航
海马网络借弛豫动力学实现最优导航，活动场等价LMDP期望场，复杂障碍下高效鲁棒，局部变化仅需低秩更新。
面向表格机器学习的智能体搜索空间
LLM智能体可为表格模型扩展超参搜索空间，45个数据集上平均提升0.6%，中小回归任务达2.0%，且不增加调优成本。
通过一致性驱动的迭代精化实现自然语言到 SysMLv2 翻译
提出一致性检查驱动的生成-检查-修复框架，将自然语言翻译为生产级可接受 SysMLv2 模型，接受率达 100%。
从语义通信到词元通信：大模型驱动的6G智能连接新范式
综述提出以词元为统一语义抽象，从大模型语义通信演进到词元通信，支撑6G智能连接。