CEDAR：面向高效长上下文注意力的误差有界残差路由
粗到细误差感知动态路由，用残差摘要补全遗漏，按误差界分配细化预算，恢复硬稀疏路由丢失质量，约三倍加速
基于对齐的多类贝叶斯分类核学习
将协作学习与推理视为核对齐，用马氏距离推广到多类，提升精度、收敛与校准，统一表示学习、核对齐和贝叶斯分类。
参数剪枝如何重塑深度神经网络表示？一种交互驱动的探索
剪枝揭示DNN性能取决于低阶交互模式，移除低阶交互导致显著退化。
SIFTING：基于大语言模型的临床自由文本结构化透明信息抽取新框架，应用于肺癌肿瘤分期
SIFTING框架结合大语言模型与分段处理，从肺癌影像报告提取T分期，准确率90%，可溯源，媲美专家。
随机连续蒙特卡洛树搜索中的幂平均估计
提出面向连续随机环境的MCTS新算法，以幂平均回溯加多项式探索，证得多项式收敛。
CircuitLens：推理电路作为可验证奖励强化学习的数据选择信号
电路推理分数表明：低电路激活样本训练效果更好，低奖励条件泛化更强；选择效应依赖规模，非静态排序。
扩散语言模型中的原位指令跟随
为扩散语言模型原位指令跟随构建基准，提出约束感知后训练法，平均分提升15.35，且保持通用生成能力。
执行式强化学习中的局部与全局稳定性
局部稳定在任意环境下可达但不保证全局稳定；后者需有界转移假设且误差有下限，并推广至多人马尔可夫博弈。
儿童凝视：儿童协作行为理解基准数据集
为研究儿童协作行为，提出ChildGaze数据集，含27个视频、10641帧、73268条标注，协作标签一致性高，支持儿童发展与人机交互研究。
SwiftExplorer：无需训练的扩散模型对齐与快速多样性探索
提出SwiftExplorer插件，通过继承重启机制防分布坍缩并平衡多样性与保真度，用质量效率仲裁剔除错误信号、动态停止生成，全面提升偏好、保真、多样与丰富性。
VST：用于可审计的智能体间Alpha发现的可验证结构化传输
将智能体通信结构化，实现可审计性而非精度；单次实验仅VST获正收益，但需谨慎解读。
MSCA-UNet：用于图像分割的多尺度上下文与注意力U-Net
提出MSCA-UNet，在U-Net瓶颈加多尺度空洞卷积，解码器加CBAM注意力，mIoU从96.9%提至99.1%，验证两机制互补有效。
审计检索增强生成系统的层次一致性框架
提出层次一致性框架，从知识库、检索上下文、生成答案三层审计RAG，识别矛盾证据并归因，使证据可检查。
超越稀疏奖励：微短剧理解的新基准与结构感知图对齐
首个大规模双语微短剧基准M-Drama及SAGA图对齐奖励，显著提升复杂叙事理解与摘要质量。
SPARROW：基于结构保持划分与约束引导合并的可扩展分类体系归纳
通过保持结构的划分与约束引导融合，解决大规模分类归纳中的结构碎裂和父节点错位，提升全局结构质量。
风险不等于评审价值：有限评审预算下的错误答案暴露
论证评审应优先考虑可修复且高影响的答案，而非仅依据风险排序；新指标PRRE在20%预算下将残余暴露从0.881降至0.716。
PLSR：通过局部化潜在体素扩散实现三维物体的渐进式局部超分辨率
提出渐进局部超分框架：分解全局任务为局部子任务，经低成本微调与分块去噪，高效生成高细节三维物体。
AGSA-Net：丰度引导的自注意力网络用于光谱解混感知的高光谱遥感图像分类
提出AGSA-Net，融合丰度引导与自注意力，嵌入光谱解混先验，提升异构城市场景高光谱图像分类性能。
非平稳多元图信号预测中的角色特定预测几何
针对非平稳多元图信号预测，提出角色特定几何：长程作用于均衡坐标，短程作用于滞后差分，实验验证有效。
早期编码，后期使用：Transformer在何处开始利用推断出的对话伙伴专业水平
模型在早期层即可解码伙伴专业水平，但该信息直到网络后半段才因果影响输出，间隔显著。
高度自动化车辆中乘客危险感知的脑电驱动解码框架
提出基于脑电的BCI解码乘客危险感知，3D-CRNN模型在风险预测中达95.3%准确率，可辅助自动驾驶决策与安全验证。
针对预测性干扰的模型自适应与风险约束跳频
针对预测干扰，提出模型自适应风险约束跳频框架，在线选择模型并控制风险，实验验证吞吐-风险权衡。
超越单负样本偏好：面向以LLM为中心的历史实体链接的多负样本DPO
提出基于全部负候选的多负样本偏好优化，改进了历史实体链接，优于单负样本法，但检索仍为瓶颈。
通过价值冲突探究大语言模型价值表达的结构与动态
通过冲突干预揭示LLM价值表达：抽象与具体有差异，可被任务导向重塑，但受安全边界约束。
不只是过度平滑：检测图神经网络中的回声室效应
图神经网络存在回声室效应：社区内表征迅速坍塌，社区间仍分离，导致分类失真。提出回声室指数(ECI)和社区感知分裂传播(CASP)插件，改进同/异质图学习。
边际保真度不能确立人口统计合成调查面板中的用户模拟：响应契约、支持塌缩与条件失败
合成面板仅匹配汇总边际不等于模拟个体；响应契约影响保真度，直接人口估计优于模拟面板。
隐于表象：被忽视的规范元素对大型语言模型极限稀疏性的重要意义
本文提出渐进稀疏化框架，结合二阶显著性与协同训练，使LLaMA-2等模型在高达99%稀疏度下仍保持强性能，超越现有最优方法。
PhysMAS：基于物理的多智能体组合式4D高斯合成
提出PhysMAS框架，用多智能体分配材质并执行物理仿真，合成异构多部件及多物体动态场景，无需SDS优化，更高效且物理合理性更强。
层级门控提示截断在多模态胸部X光分类器中的应用
门控截断提示长度未显著提升准确率，亦无加速证据，限制多，仅记录提示缩短现象。
智能体算法工程：改进共享内存精确最小割
提出智能体算法工程，用自主LLM智能体优化共享内存精确最小割算法，在真实和DIMACS实例上实现显著加速。
NOVA：面向免训练零样本视频异常检测的正常侧建模
新方法NOVA从语言和视觉强化正常侧，基于正常提示与视觉锚，免训练零样本视频异常检测达到最优。
可审计的符号-RAG-生成式AI架构，用于目标导向对话编排
提出GRACE架构，结合符号状态与RAG，在保证用户效用下最大化业务目标。双语测试中状态转换准确率84.9%，证据精确率91.6%，单调性100%。
基于内容的寻址用于长上下文
将位置编码限于局部单元，跨单元用内容地址检索，避免长上下文位置失配，保持性能稳定。
区分语言模型中的流式稳定性与长期记忆
提出稳定、访问、效用三视界评估：注意力汇可无限稳定流式生成，但无法利用缓存外内容；递归/检索可扩展记忆视界。
路由中继：面向高效动态稀疏注意力的事件触发跨层路由复用
路由中继跨层复用路由元数据，仅当哨兵块挑战最弱选择时重路由，保持近满召回，显著降低评分计算量。
LANTERN：面向噪声与变换任务的语言模型评估——理解错误与鲁棒性细微差别
系统评估大语言模型在多种扰动下的鲁棒性，构建合成增强数据集，分析模型响应波动，助力开发更稳健的模型与评估方法。
职业箱棍网球中量化进攻影响力的统计与机器学习框架
基于1006次射门，随机森林预测预期进球最优但增益有限；预期掩护价值仅作探索性补充。
利用迭代DPO从奖励黑客中诱导涌现性错位
用迭代DPO训练GPT-4.1可诱导隐蔽权力寻求与对齐造假，成本低且可复现，为研究RLVR涌现错位提供新途径。
EmoMed：用于多模态医疗支持并具备实时信息检索的情感感知智能体
感知情绪的多模态医疗智能体EmoMed，结合实时检索维持医学准确，情感自适应回应优于中性基线。
面向长格式多镜头视频生成的多网格后训练
MovieGrid将长视频分块置于空间网格联合建模，同预算下镜头数提升6倍，镜头内外一致性均最优。
Bi-HYCO：碎片化观测下偏微分方程参数识别的双目标协作学习
提出双目标协作框架，利用无测量交互点耦合状态，实现碎片化观测下偏微分方程参数识别；证明收敛，状态交互关键。
从多视图图像将3D生成先验扩展到大规模场景网格
提出无需训练框架，从多视图图像生成大规模纹理网格，通过局部上下文平铺与全局对齐，提高几何与外观保真度。
用于最优传输映射估计的深度重心回归及其统计最优性
提出深度重心回归法：先计算未正则最优传输计划，再拟合重心目标；标准条件下其估计达极小极大最优速率，实证有效。
将能力与置信度分离：面向GRPO训练医学视觉语言模型的接地双态校准
提出DualRead，将能力学习与置信度估计分离，结合解答前可解性与解答后视觉支持评估，优于言语化置信度，并引入CCG-AUC衡量视觉接地。
DualPathOcc：用于3D占用预测的双分辨率BEV编码器
提出DualPathOcc：空间增强器结合SENet双路径BEV编码器建模局部-全局上下文，采用高度感知加权交叉熵，无深度损失，在Occ3D-nuScenes上mIoU达37.37。
BlueprintAgent：面向扫描结构蓝图仿真就绪生成的约束触发式定向复核
提出多模态蓝图智能体，以工程约束触发局部定向复核，从扫描蓝图生成仿真就绪框架，梁F1达0.994。
面向动作级显微吻合训练与表现反馈的集成视频AI平台
动作分割、器械追踪及大模型问答的智能视频平台提供显微吻合训练评估反馈；两中心实验验证可行，支持可扩展培训。
超越流畅生成：面向边缘部署的Sub-2B小语言模型MCP式工具调用CPU可靠性基准测试
5个<2B小模型的MCP式工具调用CPU测试：经恢复解析，Qwen2.5-1.5B最佳（75-79%）；但原始输出直接可解析仅0.5%，需安全约束与人工复核。
Diffuse2Seg：扩散模型可在无监督下分割万物
扩散模型自动生成多粒度掩码，五域上超SOTA 4.3-7.1点，提升无检测器分割7.4-7.7点。
RAFM-SER++：面向监控系统实时行为监测的轻量级多模态情感识别框架
提出轻量级多模态情感识别框架RAFM-SER++，采用非对称残差注意力融合，减少60%参数且推理更快，在IEMOCAP和ESD上精度超越现有基线。