纠缠表示加剧机器遗忘中的附带损害
实验表明，表征纠缠会加剧遗忘的附带损害：解缠越好的模型在保持与遗忘间权衡更优，最高降低4倍保留成本。
InfraPatch：针对红外自适应视觉语言模型的跨任务目标灰度补丁攻击
InfraPatch用5%局部灰度补丁对红外视觉语言模型实施跨任务目标攻击，成功率86%-100%，揭示其脆弱性。
混合社会中的集体创造力
生成式AI提升个体新颖性却收窄整体多样性，关键在于人机混合体的构成，影响创造力存续。
本地化语义控制文生图基准T2LSC-Bench
现有文生图基准忽视目标文本语义泄漏问题。新基准T2LSC-Bench评估六模型7160图，发现准确渲染文本不代表语义被局部约束，泄漏率可升至18.1%，抗泄漏提示可将其减半。
语言模型能够控制自身注意力
提出声明式注意力(DA)：模型在思维链中声明关注区域，跳过大部分KV缓存，长上下文任务减少52%关注，精度损失小。
利用神经算子和因果注意力学习材料的本构行为：塑性与损伤案例研究
提出基于神经算子与因果注意力的本构框架，以应变历史映射应力，准确预测塑性损伤，且分辨率无关、并行高效。
用于联合k-q弥散磁共振重建的扩散编码高斯场
提出空间角度高斯场，用共享三维原语的连续q条件响应，自监督欠采样k空间优化，提升缺失方向弥散重建。
异构环境中的相似性感知个性化联邦学习
提出基于相似性加权的个性化联邦学习，双锚定全局与同伴模型抑制负迁移，异构低数据下性能领先。
信号还是噪声？审计医学与航空影像中旋转引发的显著性漂移
旋转导致的显著图漂移来自分类器丢弃的空间信息；多视角逆旋平均可提升等变性，无需重训即得一致解释。
EarlyEval：通过早期结果预测实现更廉价的智能体评估
提出早期结果预测法，提前终止智能体运行，减少13%-26%步骤及大量词元，准确率几乎不变。
SCX路由器：基于解码器-KV分类器与真实世界任务本体的流式零样本模型选择
SCX路由器用解码器-KV分类器流式零样本选模型，性能高于平均候选。
CivBench：文明VI中工具介导智能体的长时程基准
基准用于文明六长期工具任务，发现智能体监控不足、计划承诺执行率低，表明偏差源于指令遵从而非能力。
基于自回归有序笔画实例预测的手写轨迹恢复
提出两阶段框架，先自回归恢复有序笔画实例，再重建连续笔内运动；优于现有基线，并泛化至未见汉字及英、泰米尔文。
随机投影保持几何的精确极限：高斯模型中的距离恢复、最近邻排名与协方差形状
JL保距界限不能保证几何可恢复；高斯模型中最优解码奇异值≈(m/d)^{k/2}，距离、最近邻与协方差形状信息均受限于m/d的幂次。
RouteGraph-Mona：用于矿物图像分类的混淆感知路由微调
提出RouteGraph-Mona，用自适应路由替代静态聚合，结合类锚与混淆加权间隔，提升矿物图像分类精度。
轨迹即状态：推理轨迹作为长上下文Transformer的条件状态
在长上下文前放置推理轨迹作为条件状态，可比后置指数级降低最坏内存，并显著提升推理效果。
UTP-Bench：不确定性感知的旅行规划基准
提出不确定性感知旅行规划基准，基于印度504城数据，三指标评估显示大模型计划鲁棒性弱于人工。
从重加权到重写：释放训练数据归因中有影响样本的干预效应
影响力函数选中的样本，重加权效果弱，而重写响应能产生更强、持久、双向的行为改变，需干预感知评估。
CAPTURE：在个性化LLM智能体中区分偏好漂移与记忆投毒
用神经微分方程区分偏好漂移与记忆投毒，使LLM智能体胜率达71.5%，投毒率仅11.5%。
CORAL：生产环境中推荐系统的LLM原生控制框架
CORAL让大模型智能体闭环调优推荐系统，凭记忆与工具在预算内改配置；A/B实验证明可提升参与或降低成本，且持续进步。
面向长时程离线目标条件强化学习的递归价值学习
DCRL递归分解轨迹为平衡二叉树，从叶到根学习价值，引导深度由线性降至对数，误差累积更慢，超越基线。
HyperStyler：基于上下文感知风格导航与超网络的低资源作者风格迁移
HyperStyler将低资源作者风格迁移解耦为风格选择与实现，用超网络动态参数调制，仅增2.4%参数超越LLM，速度快1.8倍。
MAOL：面向细粒度工业缺陷严重度分级的形态感知有序学习
提出形态感知有序学习MAOL，用自适应阈值与预测感知训练应对两阶段噪声，细粒度缺陷分级性能优，挑战赛第三。
DKL：面向指令调优语言模型的解耦知识学习
DKL对基座模型扩展预训练后与指令模型合并，注入新知识免指令微调，保持指令跟随；检索失败时准确率提升。
SafeEvolve：基于智能体经验的驾驭-策略协同进化实现安全对齐
提出SafeEvolve框架，通过驾驭与策略协同进化，将轨迹经验转化为运行时安全机制，显著降低风险并提升效用。
基于掩码的语义干净标签后门：去中心化联邦学习中的隐形攻击
提出掩码引导的语义干净标签后门CACTUS，在去中心化联邦学习中经拓扑聚合传播，多模态下平均攻击成功率最高达51.2%。
若它移动，雷达便知晓：物理感知的雷达Transformer用于类别无关运动目标检测
提出全稀疏雷达检测器PART，仅110万参数，利用多普勒物理特性实现类别无关运动目标检测，nuScenes上CA-AP达0.8827，对罕见目标召回0.9203。
大语言模型工具使用中的智能体原生可复用工具原语编排工程
提出工具原语与中心库，构建HEART框架，性能平均提升6%-10%，成本降低85%，任务完成率达84%。
什么值得表征？面向持续模型构建的表征赋权
提出表征赋权原则，指导智能体持续构建与复用环境模型，优先扩展内部表征能力而非拟合外部世界，实验验证其优于信息增益并提升迁移与泛化。
VoRTeC：驾驭基础流实现一步式实时视频压缩
提出基于基础流模型的视频压缩框架，实现一步解码与高保真重建，大幅降低比特率并显著提升解码速度。
用户反馈提供了语言模型无法识别的独特信号
用户反馈是有效学习信号，因评估偏差看似无用；反馈修正效果优于基线，但语言模型评审常偏好较差答案。
AGI迷宫预测数据集：借助Transformer学习世界动态的紧凑基准
迷宫预测基准表明：结构化工作记忆比额外隐容量更有效，用于学习世界动态。
TempoGround：基于视觉语言模型的状态感知流式视觉定位
提出状态感知的流式视觉定位框架，利用跨帧关联和强化学习，解决身份漂移与不一致，大幅提升二维与三维定位精度。
杂乱街道：地理编码真实世界地址的基准
杂乱街道基准：评估杂乱真实地址的地理编码。商业系统召回率比开源高49%，非规范形式可造成25%的召回损失。
基于GenAI图像编辑的域偏移鲁棒目标检测
生成式图像编辑可模拟域偏移，添加伪装增强训练，显著提升目标检测对树叶、网及多光谱伪装的鲁棒性。
SEAL：通过共享专家对齐增强混合专家模型的全局安全性
提出共享专家对齐防御，增强混合专家模型安全，抵御有害提示、越狱及恶意微调，攻击成功率降低60%，能力损失仅1.4%。
贝叶斯最优BER与AUC：估计与估计器评估
基于软标签估计最优BER/AUC，应对类先验未知与标签噪声，扩展FeeBee评估估计器，实验验证
用于恢复个体与群体效应的AI情境测量：基于调查指标的验证及职业应用
提出情境测量框架，检验人工智能测量对个体及群体效应的恢复；丰富数据下效果良好，受限时下降。
RideSkill：一种大语言模型驱动自动演进的通用拼车分层算法
提出分层拼车算法，用大模型自动演化训练技能库、组合器、重定位器，适应场景目标变化，部署无需大模型调用，实时运行。
面向驾驶VLA的跨本体零样本迁移
提出鸟瞰强制辅助任务，将路面物体布局注入VLA，少量摄像机组时提升内外分布表现，但随本体数量增加收益下降。
谁的判断才算数？众包内容审核中的代表性差距导致免受有害内容保护的不平等
基于一万六千余人对十万余评论的模拟发现，审核者人口构成致保护不均：黑人与性少数即使充分代表仍受保护不足。
ORB-SVM：一种基于MRI扫描高效检测脑肿瘤的创新混合框架
利用ORB特征提取与SVM分类，实现约99.5%数据缩减，在Br35H上准确率达97.5%，资源高效。
稀疏混合专家模型中共享路由几何与动力学的证据
对齐路由控制子空间后，发现跨层共享几何与线性动力学，且独立于一般表征演化，能预测路由行为。
由匹配器评定排名：威胁报告知识图谱抽取的可复现性审计
知识图谱抽取评分依赖三元组匹配协议，可逆转系统排名；验证效果在线与离线相反。
YesTrack：基于多模态大语言模型“是/否”验证的指代多目标跟踪
提出新方法，将指代多目标跟踪转为判别式任务，用多模态大模型做是/否验证，加时序约束，高效超越现有方法。
大型语言模型中的“留面子”请求与拒绝行为
九款模型“留面子”测试：Anthropic提升服从，OpenAI与谷歌反降；有效与否因模型而异。
优化中的渗流动力学：方差级联与离散尺度不变性
将SGD动力学建模为渗流：架构对称性迫使子网络离散同步合并引发方差尖峰，并适用Adam/AdamW。
面向企业文档搜索的混合检索增强生成：知识图谱扩展、RRF融合与逐块有据评估
DocuSearch以向量、BM25与知识图谱三路检索，经RRF融合和逐块依据检验剔除无据答案，在电信文档上准确率、召回率和有据率均显著提升。
大语言模型赋能电信根因分析：面向证据 grounded 诊断的结构化推理框架
提出面向电信根因分析的结构化推理框架，将网络数据组织为规范上下文，约束推理路径并生成证据解释，在5G数据集上显著提升诊断准确率与一致性。
中文标题：空间准确、时间失真：大语言模型如何表征国家文化变迁
中文摘要：现有评测仅看文化快照，忽略随时间变化。研究用四十年数据发现，LLM虽定位准确，但滞后数年、变化幅度不足，呈现“时间扁平化”，文化意识评估需补上时间维度。