面向实例分割的质心位置编码加速解码
优化CUDA解码算法，降低质心位置编码的解码开销与端到端延迟，优于CPU及朴素GPU实现。
通过精确分布式样条合并从碎片化观测中恢复物理参数
分布式样条精确合并，无需共享原始数据即等价集中拟合，重建场并求导反演物理参数，误差仅约0.1%。
NeuroSymbEAD：面向全向具身自动驾驶的大规模神经符号描述数据集
提出NeuroSymbEAD大规模神经符号描述数据集，基于KITTI-360构建自车中心知识图谱与多层级文本，服务交通场景理解及可解释自动驾驶。
显性与隐性人口统计信号在基于大语言模型的学生评估中的作用
大语言模型学生评估受显性与隐性人口统计信号影响，改变评分、反馈与作答，既可能优化可读性也带来偏见。
《大语言模型中反事实自解释的实证研究》
研究十款指令微调模型：规模最影响反事实自解释质量，理性引导提升最小性与人类一致性，但未必提升忠实性。
HUMAID-NER：面向灾难推文联合命名实体识别与事件分类的数据集——基于不确定性加权多任务学习
首个基于HumAID的灾难推文命名实体数据集（6万条），提出不确定性加权多任务学习框架，同步实现实体识别与事件分类。
AsyncCouple-Flow：面向时空预测的异步跨模态耦合与流匹配
提出异步跨模态耦合与流匹配框架，用令牌稀疏化、耦合图和流匹配头，解决采样异步、模态缺失与误差累积。
多语言模型中的目标语言生成：激活引导与最优控制
提出目标语言生成的最优控制法及评估框架，性能不逊于均值差激活引导，且超参数调优更少。
TAME：面向涌现性失准的词元归因与掩码
TAME通过词元归因与掩码定位微调致涌现性失准的信号，掩码高归因词元可将失准降低23至36倍。
SPEAR NeXT：面向光谱-时序地球表征学习的跨多时域因果潜在预测
SPEAR NeXT将时序自监督设为仅用历史观测预测多时域潜在地球状态，实现光谱时序表征学习。
KV缓存淘汰下的分歧时机与累积不一致
KV缓存淘汰下，首次分歧时机与后续曝光主导累积不一致；分歧后曝光贡献85–90%，晚窗TV更高。
诊断多跳问答中的事实锚定鸿沟
多跳问答失败分为检索失败与事实锚定抽取失败两类，后者占近半、检索指标难察觉，需不同方案。
TCNeRV：面向隐式神经视频压缩的双域时序上下文建模
TCNeRV在特征与嵌入双域利用重建上下文，约3M参数下PSNR达36.08dB，BD-rate较HM降低22.06%。
无名分词：面向开放权重大模型控制令牌伪造的无损分词器级防御
提出无名分词：去除控制令牌表面字符串，攻击下无损复现标准词流，准确率从8.5%升至59.9%。
一种适应所学多变量结构的加权核逼近方法
提出总敏感度核，以加权方差分析核学习输入权重，自适应多变量结构，提升黑箱函数逼近精度。
GRACE：几何与射线感知的相机高效多视角行人跟踪
GRACE融合体引导特征与射线条件化实现相机高效多视角跟踪，BTR仅用低置信检测续轨，双相机将MOTA升至91.07。
构造即稳定：面向长时程偏微分方程预测的变分潜马尔可夫算子
提出变分潜马尔可夫算子VAMO，以潜分布概率演化建模PDE，缓解长时程预测误差累积并提升稳定性。
方向正确，步长有误：循环 Transformer 中有限步失效的几何分析
循环 Transformer 局部有效更新因步长过大导致有限步失效，缩小步长可恢复多数失败增益。
连续时间机器学习：统一的数学视角
综述以底层数学形式统一梳理连续时间机器学习各分支，比较建模、训练、复杂度与基准，并展望未来挑战。
GrowMTP：强化学习能自己培育出草稿头吗？
RL训练自身提供窄分布与验证监督，GrowMTP在RL循环内从零训练草稿头，提速最高2.13倍。
VOR-Bench：面向视频对象移除的人类感知驱动基准
提出VOR-Bench视频对象移除基准，含配对视频与掩码数据集、自动生成框架及VLM感知评分，评估与人类高度一致（ρ>0.9）。
探索使用大语言模型实现JavaScript代码自动化漏洞识别
评估多款大模型对JavaScript代码的漏洞识别，微调后准确率由29%升至60%，远超传统SAST工具，但召回有限。
NeuroTS-Net：多模态MRI中小儿脑肿瘤的多类语义分割
提出NeuroTS-Net三维编解码网络，多模态MRI小儿脑肿瘤多类分割，Dice达0.94/0.93。
候选库中的金丝雀：审计Private Evolution中的用户级隐私
用金丝雀探针替换约1%候选库审计私有演化：自然文本攻击远低于DP上界，随机数攻击最接近隐私上限。
EviScope：面向忠实且高效的有据语言模型的成对反事实证据诊断
EviScope成对反事实证据诊断揭示答案准确率掩盖的无据作答、冲突盲视等有据性缺陷。
论证性实质推理的自动形式化
论证实质推理自动形式化可建模为守卫补全：LLM造守卫、定理证明器验证，不成弃权，验证忠实度升、泄漏降。
面向纵向血管造影图像的时间一致性血管图提取与匹配
提出先匹配、后联合细化血管图的策略，缓解分割微小差异造成的图不一致，提升匹配面积且不碎片化。
面向嵌入向后兼容的多模态知识保持适配器
提出首个仅适配器方法，无需更新多模态大模型主干，通过多级保持损失维持嵌入几何，实现跨模态检索向后兼容且高效。
FaithfulBench：AI咨询是维护还是削弱用户所宣称的信仰？
首个跨宗教基准测五款AI：不明信仰则默认世俗建议且多失误；点明信仰可改善首答却不保坚持，指南则两者兼优。
大语言模型能否把握危机脉搏？评估孟加拉国七月起义中的危机情绪
提出20万条孟加拉语危机情绪数据集，评测LLM在孟加拉国七月起义的表现，发现语境有益但跨阶段性能骤降
mKernel：快速多GPU、多节点融合内核
mKernel实现多GPU多节点融合内核，瓦片级重叠计算与通信，H200最高加速1.88倍。
间隙熵与几乎逐实例最优的最佳臂识别
解决最佳臂识别的间隙熵猜想，证明几乎实例最优样本复杂度下界，给出无需先验间隙的算法，并在 Lean 4 中形式化。
正性拓扑与可行精化：力迫矩阵、正性与信息
本文构建正性拓扑：由点与可观察性质关系生成普遍精化、覆盖及正性见证，并讨论力迫、信息与博弈解释及资源约束。
PiPS：面向可解释语义分割的事后原型解释
提出首个全事后原型解释法PiPS，为语义分割提供直观空间解释，无需改模型且不损原性能。
电网故障检测与线路识别的机器学习方法系统评估
评估机器学习模型在10毫秒内检测电网故障并识别故障线路，最佳F1达0.991，耗时0.342毫秒。
TyPatch：将补丁转化为类型状态规则以实现内核缺陷检测
TyPatch把补丁转为类型状态规则，由共享后端统一执行分析，在Linux内核发现559个缺陷，生成开销降低近九成。
哎呀，不是现在：PEARL——基于RAG的游戏玩法支持代理，以及玩家对AI帮助的期待
PEARL用RAG结合语义检索与棋盘状态匹配为游戏提供情境支持；用户更偏好可视化，其失败模式引出七个AI玩法支持开放问题。
面向被遮挡动态目标早期检测与跟踪的预测性音频表征
提出JEPA音频预训练与多任务微调，联合估计被遮挡车辆数量、类型和来向，实现早期检测与跨场景跟踪。
论紧致连通李群上薛定谔桥的随机控制与路径空间表述的等价性
紧致连通李群上薛定谔桥随机控制与路径空间表述等价，控制能量等于相对熵，可化为端点约束下相对熵最小化。
迈向信息物理系统设计中的幻象意识
提出"设计幻象"概念，指对失效假设的持续依赖，并给出识别、分类、刻画与利用幻象的设计知识化流程。
MedPCFM-TED：基于教师引导端点蒸馏的一步点云流匹配植入物生成
提出教师引导端点蒸馏TED，一步生成点云颅骨植入物，无需路径拉直，重建质量不降，0.04秒/样本。
ImpossibleRubrics：对作为奖励信号的生成式评分标准进行压力测试
提出含169个不可能任务的基准，检验生成式评分标准能否抵抗对抗利用，发现其常被攻破。
AraMIP：将MIPVU扩展至阿拉伯语隐喻识别
提出AraMIP阿拉伯语隐喻标注指南，基于MIPVU改编，区分隐喻、转喻与明喻，标注300句试点语料并揭示阿语特有挑战。
学习动态的几何：优化脊上的梯度下降与自然梯度
基于信息几何分析学习轨迹：优化脊的极端曲率令梯度下降振荡失稳，自然梯度沿测地路径更快收敛且泛化更优。
LCAP：面向光子神经网络、基于少量输出探针的群体信息潜在芯片自适应
用80个历史芯片学共享校正，32个无标签探针推断新芯片潜在校正，免目标优化，精度升至93.36%。
超越分布内指标：先天性心脏病分割的系统性分布外评估
首个先心病分割分布外评估：分布内指标难反映跨队列鲁棒性，架构比预训练更关键，少量目标域标注即可提升。
不是又一个文本基准：让“视觉”回归大型视频模型的视觉问答
本文提出时间帧检索、视频未来预测与因果记忆扭曲三个视觉基准，发现前沿视频模型视觉推理显著弱于文本。
用文本优化显式表达阈下学习效应
SALVE通过文本优化将阈下学习效应显式化为可读提示，可靠恢复教师特征并可检测多种污染场景。
高容量核联想记忆中稳定性边缘的信息几何自组织
KLR网络优化脊位于秩1谱坍缩相边界，学习动力学由稳定性边缘驱动，在曲率极限处自组织出高容量记忆。
Bi-FlowGS：通过双向光流协同细化连接生成式视角补全与高斯几何
Bi-FlowGS以光流桥接生成式视角补全与高斯几何正则，双向协同细化，缓解几何欺骗，提升稀疏视角重建质量与一致性。