哈肯：预测未来发现，填补今日知识空白
哈肯系统预测科学概念间未记载关系，经生物学验证，发现TP53-BAMBI等新交互，助力药物研发。
MaxKernel：面向TPU的智能体内核生成
多智能体系统自动生成TPU高性能内核，支持人机协同、自主优化及图搜索，性能媲美专家手工调优。
Safety for Whom? Boundary-Aware Self-Distillation for Controlled LLM Safety Refusal
提出边界感知自蒸馏框架，用数据组合控制安全与可用性权衡；靶向拒答率大幅提升，但需在意图边界两侧共同评估以避免过度拒答。
DART：面向手术视觉基础模型的深度目标预训练
提出以深度图为目标的自监督预训练，利用伪深度提升手术视觉模型性能，推理时无需深度输入。
混合语言模型中注意力回忆与循环控制的作用
注意力负责精确检索，循环状态决定输出语言和人格；两者分工明确。
迈向概念的通用语言：综述
本文提出程序可作为概念的通用表示，并综述相关概念学习模型，评估其对通用表示语言的贡献。
多环境强化学习学到了什么？编码智能体中的信用分配与可迁移性
多环境强化学习的分组规则不影响未见环境表现；评估环境主导，跨环境信用分配无迁移增益。
TRILOGUE：三语口语对话事实核查基准，含证据与配对音频
首个英俄哈三语口语对话事实核查基准，含1.2万对话、390小时音频，支持可核查性检测、证据检索与验证，ASR降级和跨语言迁移仍是挑战。
GRACE：图基座反思式智能体副驾引擎，支持专家在环知识扩展
提出图基反思引擎，将声明与知识图对齐分类，按注意力回报优选专家验证，迭代扩展知识库以抑制幻觉。
IPGeoAI：基于Transformer与LLM语义融合的地理定位
IPGeoAI利用Transformer编码IP子网，融合LLM提取的AS语义，显著提升城市级定位精度，准确率提高6%，覆盖达100%。
大型语言模型中的文化错位：检测、测量与定向微调缓解
评估三国三模型，发现无本土偏好，中国模型对本国人群偏差最大；LoRA微调降偏16.8%，但偏差仅转移未消除。
ResLearn-XR：面向扩展现实的网络流量与体验质量感知建模的残差学习
ResLearn-XR用残差学习两阶段预测XR流量与QoE风险，SMAPE最高降17.84%和87.8%。
数据驱动发现数字材料超弹性和粘弹性的组分相关本构模型
提出数据驱动多材料本构框架，结合经典模型与神经网络，预测组分相关超弹/粘弹行为，保证热力学一致性。
双部分多侧分支网络用于心血管导管造影多类分割
提出双部分多侧分支网络，实现心血管造影多类分割，精准区分导丝、导管、血管和背景。
共享电路预测大语言模型在算术推理中的跨格式泛化能力
通过归因修补定位算术推理电路，发现数字与文字形式的重叠度可预测模型跨格式泛化，无需标注数据。
从回答到解释：重新审视大语言模型中歧义引发的偶然不确定性估计
仅基于解释空间而非答案估计歧义性偶然不确定性，更准、更省，且与认知不确定性相关性更低。
当负载均衡过度时：过分散混合专家模型中的专家剪枝
过分散路由下困惑度无法预示精度，新方法按领域赋分，最小化最差领域退化。
隐于凝视：目光表示作为XR中效用与重识别风险的隐私控制
目光表示方式显著影响隐私与效用的平衡。工程化眼动特征保留约85%动作识别精度，同时将用户重识别风险降低约一个数量级。
量化破坏记忆：低精度时序推理中的循环状态回写
量化存储规则可破坏循环网络推断；4位状态回写致误差激增，误差反馈可恢复精度，需重视状态存储接口设计。
从众性破坏共形预测
从众破坏共形预测：同侪一致错误时校准覆盖率跌破预期，低置信子群近乎减半，标准校准修正无效。
使用五种大语言模型对英文歌词文化分析的重复测量研究
评估五个大语言模型对英文歌词四种社会构念的重复标注，显示可靠性不一，自尊最强，需先报告稳定性与一致性。
重新审视间接提示注入：将其视为测试时搜索问题
将间接提示注入建模为测试时搜索，代理攻击者可提升漏洞发现；策略管理与计算预算对评估至关重要。
ICM-Bench：多模态智能体长期记忆中的个体身份推理
提出ICM-Bench，首个评估多模态智能体长视频中身份记忆推理的基准；现有系统对长期身份关联问题准确率低，最优仅60.3%。
重要性感知的低秩蒸馏用于扩散Transformer
发现扩散Transformer的截断SVD压缩可平滑降级，提出SVDtrunc两阶段块级压缩与蒸馏，在40-90%压缩率下优于现有方法，68%参数近满性能。
Scale-QLoRA：原生4比特微缩放大语言模型的码不变适配器合并
仅训练并合并逐块缩放因子，冻结原生码平面，使合并位精确码不变，免量化重写与直通估计，精度无损且提速。
深度算子学习中的注意力解耦：数据驱动与物理信息架构的受控研究
系统对比五种DeepONet注意力变体：逐传感器交叉注意力最可靠，误差降低2.4–32.3倍；分支自注意力仅对复杂高维输入有益。
LentEx：基于合成数据与指令调优大语言模型的通用潜在实体提取
提出LentEx框架，用合成数据与指令微调优化小模型，实现潜在实体高效提取，超越现有模型并泛化到新领域。
场景中人物多视角图像生成的评估框架
提出HSRD指标，解耦相机运动与头部姿态，评估人物场景多视角生成的三维视差，以构建高质量多视角数据集。
t-SNE能量函数临界点的丰富性研究
本文研究t-SNE能量景观，针对连续对称密度，构造无穷多临界点族，解释拓扑破坏与伪聚类等现象。
ReaDiT引导：利用扩散Transformer特征控制图像与视频生成
提出DiT读出引导，用单块DiT特征按深度姿态等控制图像与视频生成，并扩展至相机与运动控制，参数少效果好。
个性化医疗概念表示的预算文本图上的LLM精炼框架
提出REFINE框架，用强化学习预算KG扩展并融合GNN与LLM，实现患者个性化医疗概念编码，在MIMIC数据集上提升EHR预测性能。
示踪组织学中纤维束分割的拓扑感知训练与空间诊断
比较多种拓扑感知损失用于示踪组织学纤维束分割，发现检测指标不足以评估分割质量，提出Excess32空间诊断。
基于四维卷积核与稀疏标注学习的四维血流MRI主动脉分割
提出四维卷积U型网络，以稀疏标注分割主动脉血流磁共振影像，优于三维网络和半自动法，多中心验证良好。
语言产出中的启动模式：语言模型生成中的词汇、语义与结构对齐
语言模型生成中的结构启动受语义连贯增强，相对增幅符合逆频率效应，并与词汇语义重复相互促进。
从模式保留视角理解暂停令牌的微调动态
暂停令牌微调从模式保留视角重塑训练动态；掩码边界暂停保留通用能力，提升数学和代码推理，亦可扩展到GRPO。
BioSync：基于Transformer的跨模态融合用于多模态生理数字生物标志物
BioSync以注意力机制融合多模态生理信号，生成连续数字生物标志物，在合成队列中优于特征拼接。
机载机器学习用于成像光谱数据中的痕量气体检测
2026东京野外试验，机载边缘机器学习处理成像光谱数据，首次实现甲烷点源排放的机上检测，避免下行瓶颈。
对称正定流形学习的嵌套归纳偏置框架
提出嵌套归纳偏置框架，将非欧几何拉回对称正定流形，构建曲率对齐分类器；并提出有理共形度量增强鲁棒性。
VISTA：基于视觉语言模型的密集多标签课堂编码
VISTA将课堂观察协议转为密集多标签视频基准，结合视觉语言模型，化学课达80.1%优于零样本74.9%。
超越通用预测选择器：基于需求模式与预测期限的条件化模型选择
无通用预测选择器；其适用性依需求模式、数据量与期限变化；对平滑/间歇等形态各具优势，应情境化选择。
蒸馏连续扩散语言模型可在少步或单步内编写代码
提出PlaidQ模型，将连续扩散蒸馏为少步乃至单步代码生成，性能媲美离散扩散模型，验证连续扩散可加速语言生成。
一种用于增强大语言模型置信度估计的校准反射方法
提出校准反射框架，融合结构化推理与距离感知校准，含三项创新，在多个数据集上验证了置信度估计的有效性。
减少Whisper幻觉转录：基于幻觉空间投影的方法
提出无需训练的推理时方法，将Whisper解码器激活向低秩幻觉子空间投影，抑制非语音输入幻觉。非语音基准下幻觉率从31.31%降至2.44%，语音识别性能损失可控。
PetQA：兽医知识与临床推理基准测试
提出韩语宠物QA基准，含1.9万问答对，评估LLM/LVLM兽医能力；测试显示现有模型临床可靠性不足，需更有效的适配方法。
极度稀疏监督激发推理能力
后训练中仅用0.05%的极稀疏监督即可媲美甚至超越全token训练，有效激发推理能力。
超越实例计数：群体-个体对象计数基准
提出群体-个体计数任务与基准，利用包含关系正则化，兼顾群体与个体精度。
τ^τ-Bench：面向端到端、真实智能体构建的环境
新基准测试智能体构建能力，最强配置仅通过23.9%，专家达82.2%，失败模式与人类开发者一致。
SMILE：桥接连续优化与离散符号恢复
提出混合框架，统合连续优化与离散符号恢复，高噪声下符号解率最高，恢复更简表达式且速度快。
内部探针何时胜过读取答案？语言模型中校准失准的读出与行为掩盖的知识
行为失灵源于判定阈值偏移而非知识缺失；单参数修正令正确率50%→81%，校准解码在8B达94%
La Agente 'Optima：迈向智能体自驱动实验室
提出大语言模型智能体框架Optima，管理贝叶斯优化实验；可自动纠错、降本增效，拓展自驱动实验室应用。