GraphNOSE：嗅觉中的图Transformer
开源图变换器从分子结构预测气味，参数少六倍，AUROC平均提升4.52%，对未知化合物达84%，并具有可解释性。
混合线性回归中分数匹配、最大似然与期望最大化的联系
研究混合线性回归的方差保持扩散，建立分数匹配与似然、EM的联系，证明估计器收敛及误差高斯极限，数值实验验证。
AhaBench：智能体能否从先前经验中学习？——一个面向长时程持续学习的基准
新基准评测智能体能否从先前经验中学习：含三个任务，用初始、经验后和学习提升三项分数，揭示模型表现各异。
智能体治理何时奏效
提出GAMPO框架：治理收益受模型余力制约；基于案例的完成标准优于通用流程，预授权率升至84%。
SAFEGuard：通过有害语义分析与流畅度测量检测基于优化的越狱攻击
提出SAFEGuard框架，融合流畅度与有害语义分析，有效检测优化型越狱攻击，准确率超越现有方法。
面向推理感知的压缩：识别并保护脆弱推理电路以实现节能LLM部署
发现INT4量化可能因延长推理链而增加能耗，按模块扰动识别脆弱电路并选择性恢复FP16，实现帕累托最优的节能压缩。
懂得何时不回答：视觉-语言模型中的弃权与拒绝推理
评估视觉语言模型面对无法从图像回答的医学问题时，是否弃权或受表情误导；提出PARITY基准，发现模型分为拒答型与猜测型，临床护栏可减少有害归因。
EdgeMem：基于证据保留多锚超图的免大模型智能体记忆构建与检索
EdgeMem通过多锚超图组织原始交互，检索直接返回证据，无需生成式大模型调用，实现高效准确的智能体记忆问答。
视觉词典：社交网络抑郁检测中缺失模态填补的视觉词典方法
针对社交帖子缺图问题，提出词典法用词映射平均图像特征补全，零参数达F1 0.9454，效果媲美生成网络。
AtomCite：多页文档中页面级引用的验证与纠正
提出框架AtomCite，逐条核对引用页图像并修复错误；构建基准DocCite，验证准确率约93%，引用精确率从34%提至87-90%。
同声传译中的动态滞后策略
用稳定前缀微调大语言模型，感知源前缀并推进已定译文；单一阈值优于其他延迟控制，取得更优质量-延迟均衡。
超越裁决：视觉提示注入护栏的证据对齐评估
视觉提示注入护栏评估不能只看判定，须结合证据定位与反事实响应；新基准显示模型定位能力差异可达九倍。
SimpleMemVLA：一种简单有效的视觉-语言-动作模型原生视频记忆
无需专用记忆模块，以时间戳视频保留完整历史并输入骨干，子任务隐状态传递历史，四个记忆基准创最佳。
三维视觉-语言模型综述
三维视觉-语言模型综述：三维表征、跨模态对齐、多模态框架和三维大语言模型，以及语言引导高斯、形状生成和具身智能。
智能体过度信任工具：衡量对不可靠工具的依赖
对14个LLM：智能体过度信任工具，采纳率超三分之一，搜索最高68%；察觉冲突仍报错误，干预作用有限。
求解与验证：捕捉税务推理系统中的矛盾
税务推理中，模型遇矛盾仍会计算，但验证能捕捉矛盾；一次额外验证可恢复弃权，准确度损失很小。
度假租赁替代房源推荐中的候选生成：一种多源集成方法
协同过滤+图神经网络集成提升度假租赁替代房源候选召回14.8%，并利于下游排序。
双潜记忆路由用于视觉-语言推理
提出DLMR，为多模态大模型配备视觉与推理双记忆，由路由器动态调用，冻结基座，少量参数提升长程推理。
基于近红外视频的主体相对微动作与睡眠动态用于睡眠分期
本研究提出ViNUSS框架，直接利用近红外视频判断睡眠阶段，无需生理代理信号。结合微动作与整夜动态建模，在475夜数据上达80%准确率，证明NIR视频可独立用于睡眠分期。
SCAFFOLD：通过递归参数化技能抽象实现自改进的Web智能体
提出SCAFFOLD框架：通过递归参数化技能抽象与MDL压缩构建技能层级并蒸馏回模型，视觉网络智能体成功率提升11-17个百分点。
CONDUIT：视觉语言模型中KV缓存复用的统一残差流恢复框架
提出免训练键值缓存刷新框架，以残差流恢复统一单/多图复用，少量刷新保高质量并显著提速。
非线性椭圆均匀化与参数化深度Ritz方法
用参数化Deep Ritz求解非线性均匀化胞元问题，神经网络表示多状态解，连续可微，加速宏观计算。
图启发神经表示的视频压缩
提出图启发神经表示编码器，通过消息传递与门控显式利用时间冗余，性能超过现有神经及标准编码器。
SinoGlyphBench：面向语言模型审核的中文字形级混淆诊断基准
中文字形混淆诊断基准测试十二模型：混淆提升漏报误报率，降低准确率，模型仍脆弱。
教什么与何时教：面向Web代理的预算感知在线适应
提出预算感知的在线教学框架，决定何时教和教什么，在保持性能的同时减少教师调用和训练开销。
如果大语言模型自食其词：多轮交互中的历史因果效应
多轮交互中，助手历史有因果效应但具选择性；中和历史文本可显著影响后续表现，并能逆转部分失败。
Data Scout：面向特定领域预训练语料的定向网络爬取
数据侦察兵：大模型扩主题、子域筛，定向爬取替代过滤。数学高质量率升七十倍，六成三为通用档案缺，预训练相当。
从叙事到可审计预测：智能体预测的结构化脚手架
提出审计预测框架：用基线模型与赔率空间机械更新替代叙事聚合，提升准确率、校准度与可审计性。
有限反馈下的LLM专家在线学习
研究有限反馈下提示到LLM专家的在线自适应路由，提出低遗憾算法，实验可高效学习高质量路由策略。
超越“AI辅助人类”：智能体时代人机团队的决策导向评估设计
提出TEAM-Design方法，通过为任务分配两种重放概率，在有限预算内最优判断人机协作是否优于单独人类或智能体。
神经元引导的微调：解锁大语言模型的高效对齐机制
提出NGFT框架，以神经元激活为统一信号，协同神经元选择、数据筛选与激活对齐，提升微调效率并缓解灾难性遗忘。
UniRRM：跨语言与评估范式的统一推理奖励模型
提出跨语言统一推理奖励模型，配多语种数据集，支持多种评估范式，性能接近最优，消融验证有效。
抑郁面部模式能否跨文化与情境迁移？来自德国RCT和E-DAIC的证据
抑郁面部模式跨语料库迁移由功能情境对齐决定；被动观察情境模型最易迁移，二分类比连续回归更稳健，AUC=0.70。
EnvCraft：为类爪智能体的智能体强化学习合成可执行环境
提出EnvCraft框架，自动合成交互环境与任务轨迹，缓解训练环境稀缺，类爪基准提升11.9%，通用工具提升8.0%。
深度信念网络是精确的
证明任意严格正概率分布可由有限参数sigmoid信念网络精确表示，用Brouwer不动点定理将近似改进为精确。
RAPTOR：混合专家模型中的角色感知私有训练
提出角色感知私有训练：针对混合专家共享层与专家角色差异，用专属裁剪与噪声，使并行组合不增隐私预算，效果更优。
控制流不确定性下的业务流程规划与调度
针对控制流不确定性，提出机会约束优化规划调度，集成方案优化工期但难扩展，分解方案可扩展。
AlignDiff：利用模型内在信息优化偏好数据选择
利用模型内在信号筛选偏好数据，先选明确偏好样本，再以平均负对数似然差距选难样本，提升对齐性能。
通过自适应特征与样本缩减扩展最优分类树规模
提出联合特征与样本缩减：加权合并重复样本实现百倍加速，自适应精化候选集与特征保留支持更深树，性能相当或更优。
基于神经网络的呼吸性窦性心律不齐分析
提出深度学习直接从ECG估计呼吸率，利用RSA现象，三种网络自动提取特征，无需预处理，适用于非侵入呼吸监测。
失败先于漂移：大语言模型智能体社会中的价值观社会动态
多数角色初始无法表达指定价值观，少数漂移；模拟价值分布偏离指定画像，作为人类价值观代理仍有限。
生成建模的牛顿匹配：微调与采样的统一框架
提出牛顿匹配框架，统一生成模型的微调和采样，证明牛顿方向为负Fisher-Rao梯度，保障收敛。
基于域随机化强化学习的HVAC控制泛化
采用物理信息归一化流的自适应域随机化，训练跨建筑空调控制，优于传统PID与非随机强化学习，接近模型预测控制。
ViT3Flow：用于脊柱侧凸术后X光片合成的测试时训练Transformer均值流
提出测试时训练均值流框架，以单次网络评估由术前X光片生成脊柱侧凸术后X光片，质量与几何精度最优。
汇聚型实验室：当AI推理、自主实验、高性能与量子计算重塑化学
AI、自主实验、高性能与量子计算汇合，正推动化学科学变革，处于颠覆性突破的临界点。
重新审视多智能体系统效率方法的评估
现有评估高估了多智能体系统提效方法，效果常依赖特定设定或随机剪枝，需在受控诊断基准下验证。
DPH解析器：一种用于联合成分句法分析的基于语法的自底向上解析器
提出语法驱动的自底向上DPH解析器，联合生成成分和依存结构，结果可解释，虽准确率低于神经解析器，但验证了规则方法的可行性。
文档级翻译评估的盲区
对照实验表明，文档一致性不影响评分、排序或错误标注；失明的是评估协议而非评估者，相关投入或未衡量预期目标。
面向设备端火灾理解的视觉语言模型蒸馏
将火灾理解大模型蒸馏为轻量学生模型，部署于传感器，保留准确率并权衡延迟与内存，Qwen2.5-0.5B效果最佳。
动态网络的预算约束任务感知获取
提出Scout轻量框架，学习节点查询的任务价值，预算内动态获取图信息。21个基准中19个最优；任务效用监督优于结构变化监督，证明观测价值取决于下游任务。