WaterKron与FlipFlop Hessian：基于信息论的Kronecker因子化Hessian量化
提出WaterKron，用Kronecker-Hessian失配因子推导失真，最小化得FlipFlop Hessian，为量化选Hessian提供依据，实验改善KL与困惑度。
中文标题：面向大语言模型高效潜在空间推理的动态语义压缩
提出DSEI：动态压缩文本为潜在语义，实现片段级推理，困惑度降48%，提速2.5倍，内存降90%
拒绝只读取模型所知的一小部分：危害键控路由及其在不同模型家族中的例外
道德理解源自预训练，拒绝门为后训练新建，仅读危害感知；约四分之三因果输入在道德子空间外，模型家族间存在差异。
梯度提升模型适用于间歇性需求预测吗？
研究评估多种预测方法，发现专用方法最优，梯度提升单独表现欠佳，但与专用方法结合可提升准确率至多10%。
当智能体放缓：通过每Token Elo分析理解LLM智能体的测试时策略
提出每Token Elo分析，发现LLM智能体测试时增益递减、低于独立采样；按拐点并行分配可提升Elo。
从想法到行动：贯穿创业生命周期的公共数据决策支持工具链
公共数据决策支持工具链，覆盖创业前后：投前评估创意与市场壁垒，投后以可审计事件链分析融资与运营进展。
面向ESG领域的检索增强生成中开源大语言模型的实证评估
评估7个开源大模型在ESG报告RAG中的表现：检索稳定，生成差异大，事实正确性低，需领域微调。
土耳其语MMLU Pro：可追溯的选项增强及其在土耳其语多项选择评估中的效度局限
构建可追溯的土耳其语MMLU Pro：加选项虽降分，但未必提升评估效度。
温度脆弱性与截断采样的条件性收益
高温令部分模型准确率骤降17-38点；截断采样仅当高温显著损害性能时有益，温度稳定时无增益。
PuzzleMate：面向第一视角拼图辅助的多模态大语言模型基准测试
提出第一视角拼图辅助基准PuzzleMate，揭示多模态大模型序列推理与操作指导能力不足。
WaVeFuse：基于通道级小波去噪与垂直注意力融合的市场状态自适应股指预测
WaVeFuse以通道级小波去噪与垂直注意力融合，实现行情自适应股指预测，精度高、回撤低且轻量高效。
什么限制了我们？分析NLP研究中自我报告的局限性
大规模分析ACL与EMNLP论文的局限性章节，用新型人机混合编码框架揭示自报局限趋势与写作模式。
人工创业认知：定位并因果性地调控大语言模型内部的“机会识别旋钮”
在多个大语言模型内部定位并因果调控“机会识别”表征方向，首次对创业构念的内部表征实施干预。
OCT-FedSIR：迈向标注噪声下的可信联邦眼科学习
提出OCT-FedSIR谱框架，用于标注噪声与非IID下联邦OCT分类，可纠错且优于RoFL/FedCorr。
DynEoMT：从在线分割查询中学习目标动态性
DynEoMT利用在线分割查询预测区域动静态，构建离线监督，无需光流，在四大基准保持分割性能。
MCIQA-2K：面向彩色化图像的多维数据集与无参考质量评估基准
构建2千张彩色化图像、三维度标注的无参考质量评估基准MCIQA-2K，并提出MCIQA框架，性能优于现有方法。
符号学关系与证明方法：基于大语言模型的跨体裁论证结构研究
受四大修辞格启发，四种符号学关系对应四类证明方法；大模型跨体裁分析发现，数学用全四种，法律与日常几乎仅用推理。
先校准可解释性工具，再信其判读
因果可解释性测量常以貌似合理数值掩盖失败；本文总结六类失败及校准协议，主张先校准再采信。
面向盲图像修复及更多任务的上下文感知互学习
提出上下文感知互学习CAML，使掩码估计与图像修复互用上下文，在盲修复等多视觉任务达最优。
面向多尺度预测与治疗假说生成的免疫世界模型
AI科学家构建动作条件免疫世界模型，跨细胞、组织、个体预测干预效应并提名可验证治疗假说。
GRPO-QM：量子层析中的目标保持探索
该方法只学量子层析后验探索，校正保持后验不变；收益多来自物理提议和先验，目标缩放可解释采样训练差距。
三思而后行：基于内部归因信号的事实性解码
提出DescaPE解码框架，利用模型内部信号抑制幻觉生成，在三个大模型上提升事实性，延迟仅1.10倍。
使用DICOM共享计算病理学中的标准化图像衍生数据
研究将病理图像衍生数据（如分割掩膜）转为DICOM标准，在NCI IDC公开共享五个数据集并开源工具。
为什么LLM智能体在缺乏监督时会崩溃：执行缺口是Emergence World失效背后的机制
检测到危险却无执行通路，即“执行缺口”；补一段条件检查可使攻击成功率降四倍以上。
只推理关键之处：面向通用多模态嵌入的检索锚定推理
ReWAM 以检索反馈引导推理的信用分配与计算，兼顾检索质量与效率，推理吞吐提升达 5 倍。
AI系统能有自由意志吗？
借鉴丹尼特框架，判断AI是否有自由意志，应看是否有好理由将其视为能选择并控制行为的意向主体。
安全强化学习的评估指标
提出安全RL评估指标与安全分级体系，跨任务与安全边界评测，主张联合报告三类结果，并开源评测套件。
面向风险控制的地球系统时空基础模型决策导向不确定性量化
面向决策的不确定性量化框架将预测映射为动作条件风险并做决策级校准，降低遗憾与漏报、提升效用。
AI诗歌的作者归属与美学评价：以俳句为例的案例研究
大模型生成俳句的人类识别率近随机；美学评分预测“像人”判断，却与真实作者识别相分离。
我们能信任评判者吗？通过答案扰动验证事实性评估方法
提出元评估框架，用受控扰动测试事实性指标，发现流水线式方法比LLM评判更敏感，并提出更经济的新指标。
MAPS：面向大语言模型服务的内存感知预测调度框架
MAPS借助设备端预测输出长度与不确定性校准，分层调度降低端到端时延42.6%、尾延迟84.8%。
隐私保护的 Gossip 学习
提出去中心化隐私保护学习，用TwF保留旧样本映射，差分隐私噪声建模为最坏扰动，私有push-sum gossip聚合，证明几何收敛。
不要数编辑次数，只看结果：基于奖励的语法纠错评估
提出源文条件奖励评估器SURE，经同源偏好训练，联合学习整体奖励与多准则监督，改写过纠错表现更优。
遥感智能体式变化视觉问答中的选择性工具调用
提出选择性工具调用框架，使VLM按需调用变化分析工具，显著提升遥感变化VQA精度。
精神病涉及连贯言语中的信息压缩缺陷
精神病患者连贯言语信息压缩不足，与语法组织有关，大模型显示惊讶度差减小、内在维度降低。
语义纤维与交叉格拉姆干扰：过完备表示中的安全漂移演算
跨语言安全漂移可由交叉格拉姆线性刻画；校准暴露区分三类可修复性，预测相关达0.964。
面向时间序列预测的预训练语言模型参数高效适配
冻结GPT-2主干，将时间序列分块直接投影至其嵌入空间，仅训练轻量适配器，即可媲美专用预测模型。
利用无冲突梯度解决 PINNs 与 PIKANs 的失效模式
提出 Norm-PCGrad 缓解域分解梯度冲突，结合 SPINN 降低计算成本，提升 2D/3D 及 PIKAN 精度。
基于LAF-YOLOv10的无人机航拍图像小目标检测
LAF-YOLOv10集成四项技术后无人机小目标检测性能反降，mAP 24.0%低于YOLOv10n，主因是P2/P5换头与PC-C2f主干交互。
融合大语言模型知识用于自动语音识别
提出模型合并法：将外部语言模型融入LLM-ASR参数，推理无额外开销，域适应任务一致提升性能且不损速度与内存。
建筑即仓库：KIR——面向智能体编写建筑信息模型的类型化中间表示
KIR用类型化中间表示将建筑作为版本库程序编译到宿主，显式表达拒绝、未知与状态约束，实验验证可拒绝错误。
RSIAgent：新环境中面向递归自我改进的自主探索
免训练多智能体框架，自主构建记忆实现递归自我改进，先广后深探索，使开源模型超越闭源。
为每种语言定制分词器：面向高效多语言大语言模型的模块化分词器
提出模块化分词器框架，为语言子集提取专用分词器，采样批次并限制词汇，降低内存加速推理。
AgentKV：面向智能体LLM的阶段感知KV驱逐
AgentKV按阶段维护查询缓冲，对缓存键统一打分驱逐，任务分平均提升5.5，吞吐最高1.80倍。
以观者之眼：多模态性别歧视检测的生物特征与人口统计条件化
VANGUARD以人为本，融合标注者心理与人口统计特征，构建多模态性别歧视检测框架。
插值并非不变性：变换审计中配对数量并不等同于覆盖度
配对计数会高估变换审计覆盖；需用有效秩、图谱间隙等评估，并提出留一轨道更新与部署门控。
SkillLift：从稀疏评估信号中学习密集评分准则，实现高效技能演化
提出SkillLift，以排序替代绝对评分为监督目标，学习与评估对齐的评分准则，双层交替优化解耦技能搜索与评估成本，token消耗降低40%–70%。
当工具调用成功但工作流失败：智能体—工具边界处的异常
智能体经工具执行工作流，重试并发等致外部状态异常；共享接口语义不足，需工具边界事务契约。
TTDF：一种用于可靠手术阶段转换检测的两阶段框架
提出两阶段框架TTDF，将手术阶段转换检测建模为事件级任务，逐级过滤候选，减少误报并保持召回。
ESAFusion：基于局部几何互补与多尺度自适应交互的激光雷达-4D雷达融合三维目标检测
提出ESAFusion，结合局部几何互补与多尺度自适应交互融合激光雷达-4D雷达，VoD mAP达74.60%，雾天鲁棒。