Scal3R：面向可扩展在线三维重建的高效多相对位姿查询学习
多参考相对位姿查询、轻量令牌注入冻结主干及位姿图优化，大幅降低在线重建漂移。
使用3D基础模型场景表示的零样本新视角深度合成
提出Z3D方法，利用3D基础模型内部表示进行潜在扩散，从新视角生成逼真深度图，实现多数据集零样本深度估计。
一般博弈中的常数后悔：基于高阶乐观方法
提出无耦合高阶乐观折扣(HOOD)算法，用于任意N人标准式博弈，保证个体遗憾O(N^3 log²K)，实现常数后悔。
软件工程中采用人工智能的心理代价
软件工程采用AI会带来心理代价，如责任焦虑、身份认同受损，员工通过恢复控制等方式应对。
看见再合成：VLM引导的转换事件发现用于弱监督稠密视频描述
提出SBS框架，先用视觉语言模型感知片段间隙并检测事件转换，再优化时间掩码，提升弱监督稠密视频描述的定位与生成性能。
基于意图感知提示的对话心理操纵检测
提出意图感知提示检测对话心理操纵，通过捕捉参与者意图降低漏报，优于其他提示策略。
前瞻编码提升深度连续时间循环网络的学习
提出递归正交滤波器，用前瞻输入修正深度网络时序误差，缓解梯度衰减，在语音与路径任务上超越基线。
当模型过度编辑：论最小代码编辑的忠实性
大模型普遍过度编辑代码；保留指令可减少多余改动并提升通过率。强化学习比监督微调更能学会最小编辑。
人类心理测量问卷误述大语言模型行为
问卷得分不能反映LLM真实交互倾向，因其含显性线索致迎合，且人口统计提示仅在问卷中生效；应用生态效度生成概率测量补充。
FrOGS：跨化学条件下独立合金构型的离散神经采样器
FrOGS耦合自回归与连续时间马尔可夫链，跨化学条件无偏估计配分函数与热力学量，避免模式崩溃。
从先验引导启发式到可部署智能体：加速截止时间约束网络控制的示范驱动强化学习
提出截止时间感知拥塞指标及混合框架，用统一目标推导强化学习训练协议，以示范驱动加速，保证端到端时延。
单编辑器多种编辑：统一的无训练多样化视频编辑框架
提出无训练视频编辑框架，融合稀疏因果记忆与软潜混合，统一支持指令及参考引导的多样编辑，性能显著领先。
生成图像模型中的持久身份保持：基准与评估系统
生成模型身份保持仍差；用可复用持久身份表示，可显著减轻生成编辑修复中的身份漂移，不损质量与指令遵循。
用于微型阿克曼车辆端到端自动驾驶的低成本开放平台
构建低成本开放平台，融合微型车、数字孪生，行为克隆控制，实车误差六点一厘米，支持仿真到实车迁移。
BRIDGE：通过形态-控制协同设计实现物理AI的开源人形平台
提出数据驱动的形态-控制协同设计框架，优化人形机器人的类人运动，并推出开源平台，性能达到最优。
LevelSyn：通过电平异步图神经网络实现物理感知逻辑综合
针对逻辑综合与物理设计脱节问题，提出LevelSyn框架，用异步GNN预测门坐标并优化线长，功耗降6.89%，时延提升27.48%，DRC违规减少99.59%。
迈向大规模群体的强化学习扩展：学习平均场表征
提出依赖未知低维聚合统计量的平均场强化学习框架，离线学习低维表征获近优策略，提升奖励预测与均衡质量。
Principia：视频模型的关联物理测试
提出Principia基准，用成对物体关系一致性检验视频模型的牛顿物理，无需校准。测试8种现象，现有生成模型得分低，视觉语言模型检测接近随机。
时间之形：视频-标记对比提升视频大模型时间理解
为视频大模型设计时间反事实目标，作用于末帧视频标记，按顺序对比排序视图，无需改架构即可提升视频时间理解性能。
FailBench：VLM在判断机器人任务成功方面有多可靠？
FailBench基准测试显示，VLM判断任务成功可靠性低，最佳平衡精度仅0.77，微调反不如通用模型，存在成功偏置，局部裁剪可提升。
因果反事实RAG：将因果反事实推理融入检索增强生成
提出因果反事实检索增强生成，融合因果图与反事实推理，提升答案准确鲁棒，减少幻觉。
多智能体对战游戏中LLM引导强化学习的自适应NPC行为
LLM引导RL策略选择，对变招对手胜率翻倍至24%，但83.8%选包围，零样本策略分化有限。
评估图神经网络在艺术家合作网络中的成功预测
评估GNN在艺术家合作网络中的成功预测。发现节点特征比网络拓扑更具预测力，跨国网络中GNN优势更明显。
评估大语言模型在乌尔都语习语上的表现
构建乌尔都语习语基准，发现大模型优于传统机器翻译，但罗马化拼写影响一致性；提示工程对保留比喻义至关重要。
并发随机博弈的鲁棒PAC学习
首个并发随机博弈鲁棒PAC框架：针对转移不确定性，用鲁棒MDP探索与纳什边界判定，返回社会福利近似最优ε-均衡或证明无均衡，样本复杂度多项式。
BooM-VVT：利用图像级伪数据增强无掩码视频虚拟试穿
提出无掩码视频试穿，用图像级伪数据训练，结合关键帧采样与三维位置编码，建多视角数据，增强时间一致与服装保真。
面向物理约束的JEPA世界模型用于目标条件机器人规划
提出结合逆动力学与状态对齐的JEPA世界模型，提升机器人规划成功率，验证状态对齐是逆动力学的有效补充。
Puffin-World：利用原生3D世界状态扩展统一多模态模型
统一多模态框架联合物理深度外观原生状态与全景相机生成物理一致三维世界并重建几何发布相关数据集
EasySteer：高性能可扩展大语言模型操控统一框架
该框架基于vLLM，具备模块化扩展与八领域预计算向量，性能提升10.8-22.3倍，显著缓解过度思考与幻觉。
强子单Z暗物质在CMS开放数据上的流匹配灵敏度研究
基于CMS开放数据用流匹配法预测强子单Z暗物质灵敏度，最高达7.62σ，剔除额外喷流后降低53-71%，凸显其鉴别力。
LDC：动态控制下的研究想法生成学习
提出结合监督微调与可控强化学习的框架，用多维奖励和动态控制平衡研究想法的新颖性、可行性与有效性。
AgentRM：利用奖励建模提升智能体泛化能力
提出AgentRM通用奖励模型，引导策略模型测试时搜索，九类智能体任务平均提升8.8分。
大语言模型时代的医学推理：增强技术与应用的系统综述
综述大语言模型医学推理增强技术，分类训练/测试期策略，分析多模态应用与评估演进，指出忠实性与原生多模态需求。
IDRBench：探究大语言模型在跨学科研究中的能力
首个IDRBench基准，用三项任务评估十个主流大语言模型的跨学科研究能力。
ScoreMix：扩散模型分数组合生成合成数据提升识别性能
利用扩散模型分数组合混合类别条件，无需外部资源即可生成难样本，提升人脸识别准确率最高7%。
TokenMatch：基于曲率引导分词的三维网格对应Transformer
提出统一Transformer模型TokenMatch，用曲率引导分词与自/交叉注意力，仅训练于部分匹配即可泛化至全形状，多数指标领先且推理亚秒级。
用户感知 vs. 代理 LLM 评判：LLM 对隐私敏感场景响应的隐私性与有用性
用户评估LLM隐私响应时彼此分歧大，而五个代理LLM虽一致却与用户评价相关性低，无法替代真实用户感知，需更多以用户为中心的研究。
SurfSpec：通过约束口袋-配体几何错配来增强脱靶不可知的特异性
提出SurfSpec框架：基于几何错配下界，无需脱靶结构信息即可优化特异性；反复生长配体填补口袋表面，提升特异性且保持亲和力。
超越可解码性：用编码探针重构语言模型表示
提出编码探针，用可解释特征重构模型内部表示，克服传统解码探针局限；发现说话人效应随训练变化，句法和词汇特征独立贡献。
GazeFS：基于注视-头部历史的目标中心注视轨迹预测与稳定
提出GazeFS，从注视-头部历史预测目标中心方向与搜索/注视阶段，无需目标信息即可降低注视偏差，提升目标居中精度。
面向动态图异常检测的统计特征增强
提出一种统计特征增强方法，将行为交互统计显式编码进输入，提升动态图异常检测性能，并支持事后行为分析。
超越模糊：基于皮肤微纹理的远程皮肤科可评估性语义三视图流水线
提出语义三视图流水线，以皮肤微纹理为质量标志，融合多视图评估可诊断性，清晰病例AUC升至0.96。
时间自蒸馏：视频中视觉状态跟踪的无监督学习
提出S3T时间自蒸馏，以时间采样密度为特权信息，稠密视角教师指导稀疏学生，无需标签监督，提升视频状态跟踪精度。
基于自回归语音先验的测试时自适应语音增强
提出单句测试时自适应法，用自回归先验约束增强模型，最小化KL散度，提升噪声失配下语音质量。
先想象后规划：基于世界模型的自适应前瞻智能体学习
提出Imagine-then-Plan框架，用自适应前瞻生成多步想象轨迹，融合观测优化策略，显著超越基线。
HOMURA：用强化学习驯服“沙漏”，实现时间受限的大语言模型翻译
提出Sand-Glass基准与Homura强化学习框架，用动态音节奖励平衡语义与时长约束，实现精确长度控制。
对称性与因果性：超越独立同分布数据的因果效应识别
基于保持因果机制不变的数据对称性，构建抽象因果推理语言，实现超越IID数据的因果效应识别。
利用解剖先验和主动学习提高AGITG TOPGEAR临床试验中临床靶区体积分割精度
解剖先验和主动学习均提升CTV分割精度，联合最优DSC0.87，支持自动化轮廓QA。
迈向多模态多轮安全：从智能体交互到战略对齐
提出面向多模态多轮对话安全的数据集与对齐框架，动态识别风险轮次，攻击成功率降超10%，安全性与有用性提升。
感知哪种模态重要：面向鲁棒VLA策略的证据门控正则化
提出证据门控正则化，解决VLA模态纠缠，增强抗遮挡/干扰鲁棒性，仿真与真实机器人成功率显著提升。