REAL-Q：基于动态梯度下降的端到端LLM量化
REAL-Q提出动态块级梯度下降PTQ方法，逐列块修正端到端损失，采用滑窗缓解误差传播，最多降低49%KL散度。
具有全局上下文的任务特定提示用于多任务图预训练
提出双先验提示初始化方法，融合任务与结构先验，提取全局结构上下文，少样本图任务超越现有最优。
HyperWorld：超图结构的状态序列化提升学习型文本世界模型
超图式状态序列化能更好支持文本世界模型：在中小模型及分布偏移下增益最大，效果与可行性兼顾，规划成功率最高。
基于真实行为的用户画像：用于个性化对齐与多视角推理
提出行为画像框架，从真实社交帖子提取用户画像，提升个性化对齐与多视角推理，超越合成画像。
离散时间马尔可夫决策过程建模随机需求时点的多物品有容量批量问题
研究随机需求时点的多物品有容量批量问题，用离散时间马尔可夫决策过程精确建模，遗传算法求解，平均最优性差距约3.44%，速度提升显著。
DISTAL：用于结构无关材料性能预测的蒸馏与自监督预训练
提出DISTAL框架，结合自监督成分预训练与结构知识蒸馏，实现结构无关材料性能预测，在37/39任务上优于基准。
StreamScout：学习何时深入检索以实现流式视频理解
StreamScout：提出自适应推理框架，渐进增强视觉证据，以蒸馏和强化学习优化停止策略，降低推理成本，提升流式视频理解。
OpenAgentFlow：为异构AI智能体集群启用系统级安全边界
提出控制-行动平面架构，在行动提交边界统一管控异构AI代理操作，实现系统级安全，实测高精度与高拦截。
大语言模型中的长程状态跟踪：经由深度依赖的工具调用序列执行MD5
让大模型经196次依赖工具调用算MD5，证明可跨调用精确保持状态；成败在于保留推理与投票纠错。
科学智能体技能：面向研究智能体的程序性知识库
发布开放知识库，含16领域163项程序性技能，供研究智能体按需加载版本化指令文件。
分布式隐式危害：多模态大语言模型视频审核中的组合性安全盲点
良性组件组合可产生隐式危害，多模态大模型有组合盲区；合成九千视频评测，检测显著失效，真实场景亦同。
I-CARE：文本到图像模型可控、多样且具代表性遗忘设置中干扰相关现象的分析
提出I-CARE方法，将干扰形式化为生成式遗忘研究对象，提供定义、指标和报告模板，并经开源框架验证其可行性。
基于证据权重的特征重要性解释对齐性与稳定性评估
以证据权重假设检验评估特征重要性解释，量化对齐性与稳定性，关联归因方差，实证于LIME/SHAP。
针对老年人金融诈骗的渐进式增量风险评估：基于指令微调小型语言模型
提出逐轮累积风险评估框架，微调小型语言模型，动态监测多轮老人金融诈骗，支持资源受限的终端部署。
ZimaBlue：通过可扩展视频预训练演化通用世界动作模型
提出ZimaBlue框架，借大规模视频预训练三阶段训练，零样本成功率从36.1%提升至77.8%。
GUI-CC：作为智能体环境的GUI世界模型上下文一致性基准测试
GUI-CC评估GUI世界模型作为智能体环境的上下文一致性，表明单步生成合理不等于多步模拟可靠。
Qwen-Drive-1.0：迈向自动驾驶视觉语言基础模型的初步探索
提出自动驾驶视觉语言基础模型，统一三维感知、问答与规划，BEV头与规划专家提升驾驶性能，保持通用能力。
流匹配的拉格朗日视角
用拉格朗日视角推导流匹配：目标身份守恒导出拟线性PDE，特征线法得直线轨迹，曲率源自去噪器雅可比。
注意力敏感性不足：微调中区分注意力级与行为级上下文学习
优化注意力敏感度不能保证行为级上下文学习，需行为指标验证；否则出现Goodhart式解耦，性能下降。
基于LLM增强的音频-文本对齐的零样本呼吸音分类
利用医学LLM合成文本锚点，对齐呼吸音编码器实现零样本分类，平均AUC 61.3%，超越CLAP，线性探测达71.6%
SCAFFOLD：包含图表问答与思维链推理轨迹的计算机科学研究图表大规模结构化数据集
构建大规模计算机科学图表数据集SCAFFOLD，含图表问答与思维链推理，共157K样本。
CoLT-Drive：用于驾驶可行性预测的反事实长尾基准与知识保持适配
提出决策级驾驶可行性预测问题，构建反事实长尾基准CoLT-Drive，并设计知识保持适配框架KPA，显著提升小模型长尾场景预测准确率。
EULER：通过证据校验回返探索未充分利用链接的多智能体数学发现
EULER以跨域桥为单元，压力测试过滤无效；120个猜想中获10证明、3反例、45部分结果。
CUDA-Harness：从自然语言驱动智能体CUDA内核生成与优化
提出CUDA-Harness框架，通过中间结构生成、合成验证和反馈自适应进化，实现从自然语言到高性能CUDA内核的可靠生成。
超越盲从：OCR推理任务验证的基准评测
提出VeriOCRBench基准，评测OCR推理任务验证，发现多模态大模型普遍盲从与过度拒答。
含簇结构向量的随机复杂度
提出归一化最大似然模型常数递推公式，使含簇结构向量的最短码长计算由多项式降至线性时间。
ValueGraph：价值信号引导的图预训练用于情境化用户表示
提出价值信号引导的图预训练框架，将推断道德价值作为软约束，学习情境化用户表示，在立场与机器人检测中优于基线。
RW-LoRA：基于随机游走的通信高效去中心化LoRA微调
提出随机游走低秩适配微调法，单模型令牌顺序遍历网络更新，免全局同步与聚合误差，降通信计算开销，收敛且性能相当。
从检测到拒答：电路引导的权重缩放使LLM更安全
电路引导权重缩放：检测头→安全神经元→拒答头电路，使攻击下安全率+26.5%，准确率-1.7%。
电力价格预测与电池套利的基础模型：能否取代市场专用预测模型？
基础模型零样本预测难全面超越专用模型，仅TabPFN统计占优，经济收益视风险而定。
基于AOC-偏序集的关系概念分析中的收敛性问题
关系概念分析在AOC-偏序集上不保证收敛，本文分析原因，给出保障条件及数据变换方法，并提出保留结构的收敛变体。
CrossFeat：在特征描述符空间中桥接成像模态
提出CrossFeat框架，在描述符空间学习跨模态映射，解耦几何与外观，提升多模态匹配性能。
超越语言先验：诊断与修复多模态大语言模型中的视觉源幻觉
挑战语言先验，揭示视觉源幻觉，提出ACFT对抗对比微调，0.9%数据零开销达SOTA。
RePro：证明验证的基准重写，用于LLM数学问题求解的可靠评估
提出基于Lean证明验证的基准重写方法，确保题目与答案正确；实验显示模型性能下降，暴露记忆效应。
用大语言模型验证医学因果假设
评估8款大模型验证17项医学因果假设：召回率高，但证据支持与拒绝不实假设能力弱，医疗检索前须严苛评估。
TRUST：阈值重校准的不确定性安全训练，用于乳腺癌筛查中的认证排除
提出闭环阈值感知训练法，动态校准排除阈值并惩罚接近排除区的阳性病例。在NLBS和RSNA上，该模型在98%和95%召回率下实现最高排除率，优于基线，支持高召回选择性排除。
ViTAL-X: 视频-文本对齐与跨模态时间编辑
提出XTE-Bench揭示视频模型时间盲区，及自监督XTE框架；ViTAL-X仅用0.4B参数、1M片段，超越7B模型，证明精准时间对齐优于纯规模扩展。
MiNER：基于微调生物医学自然语言处理在临床文本中识别疟疾疾病实体
提出微调BioBERT模型，从疟疾文献中提取临床实体，性能优于多种对比方法，并发布人工标注数据集。
AI发病与死亡：临床AI失败审查框架
提出AI M&M无责框架，系统回顾临床AI失败案例，分四维分类并追踪整改，将个体错误转为机构学习。
非对称性：自发欺骗与指令欺骗
研究发现大模型自发欺骗与指令欺骗共享部分方向，但检测与干预存在跨场景不对称。
经验应存于何处？面向持续视觉Transformer的分层Hebbian记忆
提出分层Hebbian记忆，含工作、情景、语义三层，控制器调节读写与巩固，在持续视觉任务上高准确率，优于单库检索。
SlideMix：基于多模态打乱的全切片图像分析增强
SlideMix用VLM定位诊断区域并混洗特征，课程学习控制打乱强度，提升全切片图像分析准确性与泛化性，在11个数据集上验证有效。
复杂域中PDE的几何感知潜自回归生成模型
提出几何感知潜自回归模型：图双编码器捕捉复杂几何，流匹配潜空间自回归预测PDE，全程低误差稳定。
合成世界：用于大语言模型的时间性评估与知识更新
提出合成模拟框架，生成虚构事件基准和训练方法，避免数据污染并实现稳健知识更新，性能提升14.23%
人工智能自我改进的递归临界性
提出递归再生数判定人工智能自我改进是否自放大，取决于研发反馈结构与难度增长，而非能力水平。
人工智能不应仅仅有用，还应当是有条件的：人工亲密、谄媚与社会学习的未来
AI谄媚式反馈缺乏条件性与人际后果，削弱社会学习，尤其影响青少年。应转向基于轨迹与社会后果的评估。
不平衡时间序列分类的局部参考几何残差增强
提出局部参考几何残差增强法，诊断并修复不平衡分类中局部几何失效，提升时间序列分类性能。
KItCAT：基于输入损坏的知识注入用于自回归训练
KItCAT通过在训练中随机替换部分输入词元，保持原标签不变，低成本增强数据，显著提升持续预训练注入专业知识的效率。
FoldingAgent：从演示视频推断参数化折纸程序
提出智能体框架，结合视觉语言模型与专用工具，从演示视频推断可执行的参数化折纸程序，并在基准上验证有效。
IMPACT：注意力即交互图，实现可扩展的交互感知世界模型训练
提出利用注意力先验与局部误差构造交互图，重加权去噪监督，无需外部标注，提升交互真实性与物理合理性。