面向多模态模型合并的跨层影响追踪与协调
提出TAC-Merge，用多模态影响映射与耦合合并控制，追踪协调跨层影响，整合专家能力并泛化新任务。
KoSimpleQA：一个韩语事实性基准及对推理型大语言模型的分析
提出韩语事实性基准KoSimpleQA，含938题，最强模型仅31.6%正确，推理可缓解跨语言知识差距。
固定量化混合专家（MoE）实例池上的质量约束路由
固定量化MoE实例池内，按质量预算与容量约束路由；用FWP预测风险，吞吐乘数1.284，提升2.5%。
Pre-Trained Low-Rank Tensor Decomposition for Multi-Dimensional Image Recovery
PA-CDM：面向手写数学表达式识别评估的位置感知字符检测匹配
提出PA-CDM指标，融合字符检测匹配与位置森林编码，构建扰动基准，与人工评分相关性最高。
Moreau–Yosida 未调整 Langevin 采样的泊松校正子复杂度界
研究MYULA，用泊松校正子证明平滑目标与不变律W₂误差O(h)+Õ(h^{3/4})，达ε精度需Õ(ε^{-4/3})次迭代。
通过效价-唤醒度锚定的强化学习平衡图像生成中的情感对齐与语义一致性
提出VA锚定Flow-GRPO，用CLIP-VA奖励与中性语义锚，平衡情感对齐与语义一致。
超越精度：面向可靠生物医学图像分割的不确定性引导边界细化
提出RABR-Net，以不确定性引导门控残差细化边界，显著提升边界Dice与HD95，增强分割可靠性。
基于泰勒系数分析（TCA）解释神经网络分类的预测
提出基于泰勒展开的TCA，解释神经网络分类预测中特征影响；实例与LHC任务表明二阶项通常足够。
规模化临床判断以评估医学人工智能
提出医生级评估模型PrecepTron与基准GRAND-ROUNDS，使医学LLM临床推理评估可扩展、可复现。
SAGE-Loop：具备试错修正与自适应集成的可靠闭环LLM驱动AutoML
SAGE-Loop以闭环试错修正与自适应集成提升LLM驱动AutoML多任务性能与稳定性。
MGAvatar：面向头部化身几何与外观建模的网格绑定高斯
提出网格-高斯混合表示，以顶点绑定与面绑定两种模式分阶段建模头部几何与外观，实现高保真头像渲染。
K-Bench：面向智能体部署的大语言模型遗忘基准
K-Bench：现有遗忘基准仅看最终答案，智能体部署仍会经思维链、工具调用等通道泄露秘密，权重遗忘最难。
时序递归青睐更少层数
在流式任务中，时序递归可跨步传递计算；在同等单步算力下，最优分配显著偏向更少层数，性能相当或更优。
MedRoundsQA：面向多轮医疗问诊的人格与难度感知评估
多轮问诊基准：1387例，人格与难度可控；多轮交互使诊断准确率降13–39分，人格差异致7–8分差距。
MP-Bench：评估语音智能体作为多方对话参与者
MP-Bench为首个多方对话语音智能体基准，评测轮流发言与回应恰当性；12个智能体理解率≤22%且轮流近随机，暴露重大挑战。
面向异构联邦电信网络客户流失预测的差分隐私联邦近端优化框架
提出差分隐私联邦近端优化框架，用于异构电信网络客户流失预测，兼顾隐私保护与预测性能。
实体并非生而平等：审视超细粒度实体类型中的长尾问题
仅靠预训练模型参数知识难以处理超细粒度实体类型中的长尾实体，融合知识并超越PLM或是关键。
MAxBench：多类别概念恢复基准
提出MAxBench多类别概念恢复基准，比较10种方法，发现仿射子空间更优，且无方法稳定胜过提示。
标签噪声下的手语识别学习：面向孤立词与连续场景的噪声鲁棒损失研究
手语识别标签噪声下，SCE/GCE在孤立词任务优于CE但稳定性差；连续任务无增益，辅助权重效应混淆。
VideoTok4D：面向紧凑世界表示的4D感知视频分词器
提出4D感知视频分词器VideoTok4D，通过时空解耦与轨迹动态注意力，实现紧凑4D表示，存储大减且生成高效。
TokenMapper：迈向可互操作语音令牌翻译的一步
TokenMapper 实现异构语音分词器间的直接令牌到令牌翻译，无需波形重建，显著降低延迟。
SCOPE-OPSD：用于同策略自蒸馏的 Fisher 条件化特权子空间
SCOPE-OPSD 用 Fisher 条件化特权子空间投影师生残差，提升短预算同策略自蒸馏。
GSF-χ：面向手性图变换器的全局立体化学场
提出GSF-χ，以全局立体化学场和Chiral-RoPE编码手性，分离ECD奇偶信息，提升手性预测。
UrduFactCheck：面向乌尔都语的智能体事实核查框架——证据增强与基准测评
为乌尔都语提出两个人工标注基准与模块化事实核查框架，融合翻译增强证据检索，评测12个大模型。
教育领域LLM文本检测器的局限性
提出贡献感知框架与GEDE基准；评估发现检测器难判中间贡献文本，尤其LLM辅助修改，易误判，难支撑教育政策。
多语言 LLM 水印真的多语言吗？通过回译将鲁棒性扩展至 100 多种语言
现有水印非真多语言，低资源翻译攻击下失效；STEAM用贝叶斯优化搜索回译语言，增强鲁棒性且可扩展。
基于潜在布朗桥扩散的3D CT到PET转换
提出潜在布朗桥扩散两阶段3D CT到PET转换，VAE对比学习对齐，提升PET保真度与病灶代谢保留。
解码器余弦相似度在 SAE 特征流发现中失效之处
构建状态+更新→目标特征转换图谱并消融验证；多数强效应转换解码器余弦相似度低，故其不足以发现SAE特征流。
面向高性能微调的基于聚类的平衡采样与数据并行分配
CluSTER以梯度聚类与数据并行均衡分配压缩微调数据，减少冗余，训练提速69.6%且精度几乎无损。
物理引导的合成高频超声生成用于皮肤层分割
提出物理引导合成高频超声框架，基于k-Wave仿真生成图像与密集掩码，预训练提升真实皮肤层分割性能。
以预测视界分辨的归因解释时间序列预测
指出现有方法误设各预测步依赖相同历史值，提出HRX为每步生成独立归因图并给出评估协议，实验验证有效。
TileNet：面向平屋顶自主无人机系统巡检的基于瓦片的CNN-SVM架构
提出瓦片式轻量CNN-SVM架构，无人机双高度实时巡检平屋顶，准确率达94.4%，优于GoogLeNet与AlexNet。
SIFPBPNet：一种基于个性化稳态表征、用于可穿戴无袖带血压估计的双路径网络
提出双路径网络SIFPBPNet，用图注意力网络从多日PPG提取个体稳态特征，融合瞬时动态，显著提升无袖带血压估计精度。
面向开放式问题的自主研究：以电信工单检索为例
自主研究能以更低成本、更短时间达到电信工单检索SOTA的90%，但缺乏直觉与创造力，宜人机协作。
前沿模型物理学能力究竟如何？专家重评揭示评估缺陷与领先基准接近饱和
专家重评六大物理基准，发现误判多源于评分与参考答案缺陷；修正后前沿模型得分显著提升，领先基准近饱和。
UniPart：面向具身交互的零样本语言驱动3D部件分割
UniPart以CLIP文本驱动3D Transformer，实现零样本开放词汇部件分割与真实抓取。
EduFair-Bench：评估大型语言模型导师在不同学生人口特征下的教学公平性
提出EduFair-Bench，审计LLM导师教学公平性；发现模型能力与公平基本无关，语言和移民背景差距最大。
基于CNN-DNN架构的并行训练加速诊断模型开发
CNN-DNN并行训练提升新冠CT诊断效率，3D CNN训练时间最多缩短31倍，兼顾性能与速度。
基于Hessian分析的相关性引导快速机器遗忘
提出相关性引导的快速遗忘框架，借助Hessian闭式更新参数，速度提升82倍，遗忘更彻底且精度更优。
语义压缩的统计力学
将语义压缩建模为欧氏空间自旋玻璃，用复制理论得相图，揭示释义与抽象压缩相变；典型情形有高效近优算法。
稳健信任
顾问以已知概率诚实、否则可任意报告；最优稳健决策采用信念空间信任域，域内采信、越界截断，并得阈值。
MMGR：多模态生成推理基准与评估
提出MMGR多模态生成推理基准，覆盖10任务、5能力，揭示视觉质量与推理正确性脱节。
SIMS：面向多任务学习的尺度不变评价函数标量化
提出SIMS，用对数变换诱导的评价函数实现尺度不变，解决多任务标量化对损失尺度敏感问题，性能领先。
输入分辨率至关重要：实时目标检测延迟
延迟建模为预处理、推理、后处理分布卷积，参数随分辨率变化；实验表明分辨率感知参数化拟合更优。
扩散模型与概念形成
扩散模型隐含构建概率概念层级，其噪声众数对应Cobweb树，中间噪声层涌现基本层次，可视为概念形成的认知模型。
GeoSense-AI：从危机微博客中快速推断位置
GeoSense-AI整合多种NLP技术，从嘈杂微博客流中实时推断地理位置，速度快、F1高，支持应急态势感知与可视化。
纸上书写，获取在线数字笔迹：手写的新纪元
提出结合数字笔、传感器硬件与嵌入式AI算法，在普通纸上书写即可实时重建手写数字轨迹。
将临床事件锚定于时间：保留UID的多模态重建与来源可溯的裁决
提出保留UID的临床时间线重建与溯源裁决框架，多模态修订提升时间一致性并媲美临床标注。
翻译腔是对翻译任务难度的理性回应
翻译腔仅部分源于翻译任务难度，跨语言迁移贡献更大；源文本句法复杂度和翻译方案熵预测力最强。