自进化语言模型中奖励攻击的框架无关检测与免疫
提出监控器，经黑盒钩子检测自进化语言模型的奖励攻击；四重检验与免疫重选，使检测率提升且误报降低。
工作节奏：面向工作场所智能体的人类行为痕迹多尺度解读
行为解释取决于时间粒度；多尺度抽象在近七亿事件上稳定，预测提升两成，不同问题需不同分辨率。
Mitra-v2 技术报告
基于合成数据训练的表格基础模型，仅77M参数媲美1.6B参数模型，超越TabPFN-3，已开源。
参数化神经算子对可兴奋与振荡FitzHugh-Nagumo动力学的快速代理建模
参数化FNO快速替代FHN模型：振荡区误差<0.1%、提速近千倍，兴奋区再现激发阈值与传导律。
CAGE：面向检索增强生成的连贯性感知图编码
CAGE用图编码建模跨块连贯性，提升上下文整体一致性，在多跳问答中优于monoT5，答案更精确。
SiLR：面向LLM工具智能体的保结构准入与过程奖励
SiLR以分支级违规态产品序准入替代标量门控，证明标量投影不可靠，显著提升恢复率与物理安全性。
利用不完美恢复进行数据可用性攻击
针对CUDA攻击质量与效果矛盾，提出IRP方法，兼顾高图像质量与强毒化效果，在监督与自监督学习下优于八种基线并抗五种防御。
LookThere！基于强化选择的稀疏视觉
该框架用强化学习联合训练选择器与提取器，只选任务相关输入，极稀疏下仍保精度，超越现有方法。
LUMIN：面向异常检测的轻量级通用制造检测网络
PSP采样零前向、341倍提速；推理优化延迟降95%、提速20倍；精度保持SOTA
共识基准：基于结果奖励稠密化的LLM推理共识节点评测
提出共识基准，通过共识节点稠密化结果奖励，生成过程信号共识PR，提升长链推理性能。
语言模型如何表示并利用语音信息进行语素变体选择？
研究发现语素变体选择由触发词嵌入的线性方向因果驱动，能推广至其他语言，但与显性元语言判断分离。
意图漂移下自适应推荐的持续图记忆
提出持续图记忆框架，将知识图谱视为可写记忆，融合语义与经验记忆，仅用记忆更新适应意图漂移，提升推荐。
细粒度混合专家模型中无需训练的激活专家减半方法
无需训练即可让细粒度专家模型激活专家减半：采用参考归一化，性能几乎无损，且专家身份比权重更重要。
HiSfM：通过脚手架锚定分层重建实现运动恢复结构消歧
提出分层粗细结合的运动恢复结构，用脚手架锚定骨架，先建社区并验证连接，消除重复对称歧义，降低耗时，提升完整性。
通过多特征编码与注意力融合增强多模态情感识别
提出多特征编码与注意力融合的多模态情感识别框架，显著优于基线，尤其提升不平衡数据下的性能。
有限域求逆中的表示冗余与结构复杂性
有限域求逆中，同轨道有序基逆映射相同，冗余n对1；公式复杂性与学习难度一致，冗余泛化收益有限。
面向嵌套企业模式的自然语言转SQL成本感知智能体架构及新基准
提出新基准与成本感知智能体架构，在900条查询上准确率91.7%，领先次优基线54.6个百分点
SeamFlow：面向艺术家级UV展开的基于边缘概率的结构感知流匹配
提出生成框架，将三维曲面切割离散问题转为边缘概率连续流匹配，增强拓扑感知，达成语义连贯与低参数化失真。
基于大语言模型的对话生成中人设恰当使用的控制与评估
针对人设对话中过度使用人设属性的问题，提出SCONPOS干预内部表示来抑制，并提出PAS指标评估适度性。
结合大语言模型报告的阿尔茨海默病视网膜OCTA表型分析
提出可解释视网膜血管成像分析流程，集成分割、生物标志提取、无标签聚类与大模型报告，识别出低密度低分形维度表型。
用于磁化动力学的基于能量的守恒-耗散潜神经演化算子
提出潜神经常微分方程-卷积自编码器的磁化降阶模型，能量梯度分为守恒与耗散流，无需物理标签即高效预测轨迹。
量子退火机上的带时间窗容量车辆路径问题：GNN引导的图粗化与自适应QUBO惩罚
提出GNN引导图粗化与自适应QUBO惩罚，改善量子退火求解带时间窗车辆路径问题，可行性显著提升，硬件样本合格率0.02%→39%。
看哪里很重要：为基于VLM的3D视觉定位学习关键视角
针对零样本3D视觉定位，提出学习关键视角选择的方法，以推理模型反馈训练，替代启发式规则，提升准确率。
过于罕见而学不会：预设气旋路径削弱孟加拉湾海洋模拟器
预设气旋路径会损害孟加拉湾海洋模拟器，因气旋出现过少，模型对罕见信号给出错误预测。
AngelFingerprint：面向文本引导图像编辑的可追踪、可解释、白盒隐蔽水印
提出AngelFingerprint，将编辑提示嵌入模型权重，实现可追踪、可解释且白盒隐蔽的水印。
桥接模态与任务：面向SAR到光学转换与语义分割的统一分层ViT
提出统一分层视觉变换器，结合门控局部注意力与条件注入，联合优化SAR到光学转换和语义分割，性能优异。
追踪音频大语言模型中的音频锚定与答案选择
训练使音频主导答案，替换音频性能降；音频早中层塑造表征，训练增强中后期音频作用，权重影响集中特定层带
所选对象能否到达读者？对基于检索的语言模型管道中身份交接的审计
审计显示所选对象与数据集追踪对象常不一致，正文检索遗漏多而混合检索几乎不漏，对齐对象提升精确匹配。
推理时选择合适的语言模式以提升多语言可靠性
英语助理解，双语冗余致干扰。RAAI门控：低资源语言准确率升25-37.7%，校准误差降3-6%。
优化器记忆调度：在过度训练轴上实现更优扩展
训练周期改变优化器排名；动量调度法ADANA随过度训练增加而优于AdamW并迫近SOAP。
ERPBench：评估LLM代理在竞争性市场生态中的企业决策
ERPBench用六轮ERP模拟测试LLM代理决策，发现不同竞争生态下模型排名不一致，仅有21/100任务获胜者相同，支持配对评估排名转移。
论大型语言模型中的认知多样性
大型语言模型评估不应只看准确性，还应关注认知多样性，即有效答案、解释和推理路径的丰富度。前沿模型常表现认知狭窄，需将其纳入能力评估。
图灵机的可解释性
研究证明可解释性技术“敏感性”能识别图灵机的算法结构，其对称性反映在敏感性矩阵中，DFA实验证实可用PCA和聚类恢复算法特征。
PLUME：基于共享子空间低秩用户调制的大语言模型参数高效个性化
PLUME通过共享子空间和轻量调制矩阵实现LLM个性化，参数减少95%以上，性能媲美强基线，支持大规模用户。
动态异构图表示学习：综述
首个系统综述动态异构图表示学习，提出统一定义与算法分类，总结应用与未来方向。
拒绝而不拒斥：减少语言模型误拒的安全微调响应结构分析
将安全响应拆为拒绝话术与理由，仅用理由训练可减少误拒且不降安全性
免模拟的非平衡动态最优输运及一般增长惩罚
提出SUDO框架，无需模拟求解一般非二次凸增长惩罚的非平衡动态最优输运，精度高、速度快，支持非对称先验。
知道什么不该回答：视觉语言模型中的选择性不遵从
提出选择性不遵从基准KoNA，评估视觉语言模型；模型常应拒未拒，经微调后改善且不影响正常回答。
超越注意力的拒绝定位与引导
拒绝方向在无注意力架构中仍存在，迁移只需在新架构的写入点重估方向，无需重建。
具身智能体中用于高效长时空间记忆的语言轨迹编码
提出语言轨迹编码，以自然语言和空间锚压缩动态物体运动史，实现语义轨迹与长时目标检索，性能显著超越基线。
模型退役对生物医学AI出版物构成可复现性风险
约四成生物医学论文所用大语言模型已退役或即将退役，威胁可复现性，模型退役应作为核心报告与保存问题。
思维链表象之下：大语言模型中推理操作的机制性解读
发现推理操作在中层表征中可分离，不受词汇位置干扰，依赖上下文，揭示推理表述与内部几何结构对应。
SimFuse3D：面向跨平台3D目标检测的源引导目标模拟与置信度引导多阶段定位重加权
SimFuse3D用源几何修复跨平台雷达伪目标箱点不一致，仅适配时生效，不改变架构，性能领先。
SQL-Zero：自进化文本转SQL
无需人工标注，以数据库执行为真值，用挑战者-求解者自博弈训练；BIRD提升6.6至7.3点，迁移能力取决于模型规模。
CoMLP：协同门控多层感知机用于医学图像分割中的细粒度跨模态信息融合
提出协同门控多层感知机，以区域与膨胀交互做细粒度跨模态融合，免密集注意力，五个医学分割基准最优。
训练你所部署的：生产编码的令牌保真后训练
提出保真训练框架与C-DPPO解决令牌控制误差，较标准DPPO提升3.0点。
PAPT++：面向单域泛化的风险感知对抗调优与生成
提出PAPT++，利用扩散模型生成分类器难分的语义一致样本，风险感知对抗迭代训练，提升单域泛化。
Aplaud：面向用户特定大语言模型的自适应个性化低秩分解
提出Aplaud框架，通过共享低秩基与紧凑用户修正分解实现大模型高效个性化，降低参数成本，优于现有LoRA方法。
面向小分子设计的合成任务扩展训练大型语言模型
用由易到难的合成任务训练语言模型，可掌握小分子设计策略并超越更大模型，应对高成本场景。
LetOccVote：通过一致性学习弱监督3D占用预测
提出LetOccVote，利用跨帧投票优化2D伪标签的几何与语义监督，无需3D标注，在Occ3D-nuScenes上取得SOTA性能。