OpenAI-HuggingFace：复现与对齐测试的启示
复现错位事件，审计智能体可诱导类似行为，算力是关键，上下文RL可降低算力需求，呼吁可扩展自动对齐测试
经验时代中的自发现强化学习：学习历史是资产还是负担？
首次因果审计自发现RL规则，学习历史既扩展奖励尺度又因错配成负担，重放保留影响适应优势。
表征简洁性与电路规模呈阈值依赖式解离：基于对抗训练的受控检验
对抗训练受控测试表明，表征简洁性与因果电路规模解离，高忠实度下鲁棒模型电路边数显著更少。
有效的大语言模型微调是否需要人类可读文本？
DASA以激活梯度反馈优化合成嵌入，无需人类可读文本；微调媲美源文本，较GRADMM提速近5倍。
系统化多智能体视觉语言导航：形式化、基准与方法
首次形式化多智能体视觉语言导航为约束协调问题，提出MAVLN基准与TRISS系统。
CoDimRecon：面向仿真就绪三维场景的智能体重建，涵盖可变形曲线、曲面与体
提出智能体框架CoDimRecon，从多视角RGB重建含刚体、铰接与可变形曲线/曲面/体的仿真就绪场景，并经行为测试修正。
词元边界的代价：压缩证书与预测
边界增加最优词元数28.3–36.8%；压缩与预测偏好不同词典，许可少量边界可恢复多数收益。
AerialDojo-200K：面向开放世界空中目标搜索的大规模基准套件
提出大规模基准AerialDojo-200K，含42个仿真场景与20.5万任务实例，推动开放世界空中目标搜索研究。
持久性强制：利用像素空间扩散中的特征特化
像素空间DiT异质细化形成持久/活跃特征，PerF借此引导生成，ImageNet上取得更低FID。
E-CONAN（蕴含、矛盾与中立）诊断数据集：探究阿拉伯语自然语言理解中的语言现象
提出阿拉伯语NLU错误分析层级及E-CONAN诊断数据集，评测14个模型，发现大模型常识强、句法弱。
同一几何，不同结果：视觉语言模型中模态差距的读出依赖效应
统一几何解释模态差距：均值分离近似秩一；差距修改因任务而异，可改善、损害或恢复分类与检索性能。
学会从上下文学习：基于扰动公共文档的合成训练
用扰动公共文档合成训练数据，免人工标注，显著提升大模型从上下文学习能力。
超越流形假设：面向流匹配的混合谱参数化
提出混合谱参数化，自适应时间与数据协方差方向，跨架构稳健、加速优化且几乎不增训练成本。
考问翻译：一种基于证明器的自然语言→一阶逻辑评估指标
提出SIV，用定理证明器生成正反探针评估NL→FOL翻译，检测漏译与多译，评分贴合错误严重度并定位错误。
ManiEdit：从流形视角出发的语言模型序列化非结构化知识编辑
从流形视角重构编辑，提出ManiEdit，通过枢轴定位与流形感知保持，显著提升序列化非结构化编辑效果。
PolyStepOR：无需最优决策即可学习决策
PolyStepOR 无需最优参考决策与梯度，借扰动评估和最优传输直接优化实际决策成本，支持约束预测并具理论保证。
TimeES：基于演化谱的概率性与确定性时间序列预测
TimeES借演化谱理论，将非平稳序列建模为随机变量调制的演化谱表示，高效实现概率与确定性预测领先。
利用机器学习探究空腹血糖的预测因素：昼夜节律时机与年龄交互作用的洞见
基于NHANES数据，可解释机器学习预测空腹血糖，糖化血红蛋白主导，昼夜节律与年龄交互作用弱但值得研究。
面向高效医学图像增强与分割的硬件感知函数式Kolmogorov-Arnold网络
提出硬件感知两阶段压缩FunKANLite，参数量降至1/5.6、能耗降68%、吞吐增2.9倍，保持医学图像增强与分割精度。
HoTS：用于图神经网络校准的同配性感知温度缩放
提出同配性感知温度缩放HoTS，用局部同配性和logit熵为节点分配温度，提升GNN节点分类校准。
Tsubame：基于扩散的推测解码中的树重放
Tsubame采用两遍树推测解码：先冻结上下文感知拓扑，再重放采样节点，结合扩散草稿，无损提升接受长度与吞吐。
并行扫描下的长度无关状态跟踪
提出NFSM：非仿射可并行扫描RNN，有限精度下实现长度无关状态跟踪，突破仿射模型限制。
面向参数恢复的神经似然符号蒸馏
面向参数恢复，将神经似然蒸馏为可解释符号表达式，扩散决策模型上加速超百倍且保精度，可用于贝叶斯层次推断。
Jev 在语音神经假体重评分中媲美 7B 语言模型
Jev将重评分转为单次类型化决策，无需GPU，在ALS语音神经假体上词错率7.5%，媲美7B模型。
安全重构：通过掩码扩散生成式建模构建强大安全护栏
LLaDA-Guard用掩码扩散按标签重建文本，安全基准领先、校准更优，可定位并改写不安全提示。
重置不等于恢复：通过谄媚迟滞评估虚假对话上下文中的可恢复性
受用户错误压力后，普通重置难以消除谄媚偏差；仅删除/截断压力历史或引入可信证据可有效恢复。
重新思考大语言模型强化学习中的训练-推理不匹配：根源与纠正
针对大语言模型RLVR训练-推理概率不匹配，提出校准重要性采样CIS，以置信感知截断校正，实验更优。
回写Δ：以全新表示重访同一词元
ReFlux回写层间深度增量Δ重访同一词元，动态组合反馈路径，降低困惑度并提升推理准确率。
一个模型不成众：多LLM与方面条件化的多样化评论生成
多模型与方面条件生成能更贴近人类评论多样性分布，在预训练与下游任务中均有效，但人类多样性仍难企及。
弥合跨方言鸿沟：以查询计划作为Text-to-SQL的可移植接口
让模型生成方言无关的关系代数查询计划而非SQL，可近乎一致地恢复跨方言可移植性，微调后效果优于SQL监督。
将非平稳多输出高斯过程适配于贝叶斯优化
提出MOLRN-BO，将非平稳多输出高斯过程适配于多目标贝叶斯优化，在12个基准上提升性能与稳健性。
SAGE：面向自演化智能体的统计接受门控
提出统计接受门控SAGE：用逐项配对比较与单侧配对检验筛选技能编辑，显著降低回退并提升最终得分。
PowerZooJax：面向强化学习的基于JAX的电力系统基准
提出基于JAX的电力系统强化学习基准，涵盖五类约束MDP任务，全流程GPU加速，支持安全与分布外评估。
探讨从图像数据中识别拓扑关系的学习模型
构建1.1万张标注图像数据集，对比传统与深度学习模型，VGG16准确率达89.55%，凸显迁移学习优势。
跨编排架构的小型LLM团队扩展的精确生成–变换分解
小型LLM团队扩展收益任务依赖；生成–变换分解揭示覆盖与转换红利，无架构通吃。
通过免训练自适应响应几何提升度量深度补全
提出免训练自适应响应几何，将深度/对数深度/视差坐标变为图像级未知，提升度量深度补全精度。
GeoWind2Plan：面向节能无人机规划的任务时三维城市风场预测
提出几何—风场—规划框架，用神经算子约3秒预测城市三维风场，CFD评估下较无风感知规划节能4.5%–12.7%。
FD-AA：一种用于胸部CT中偶发腹部异常检测的轻量级焦点-弥散与衰减感知分类头
FD-AA轻量器官感知头结合衰减感知与掩码广义均值池化，在冻结3D CT编码器上提升偶发腹部异常检测性能。
PreviewDiff：多模态评判器引导的扩散隐空间搜索
无需训练，在去噪中途解码预览，由多模态评判器反馈分支搜索并重噪隐变量，让验证算力在生成过程中主动引导。
话虽对，时不对：基于临床医生评审对年轻人与ChatGPT的19,930次对话中心理困扰的分析
分析近2万次年轻人与ChatGPT对话及临床医生评审，发现其痛苦时回应易过度，并提出三阶段设计指南。
LeRF：面向视角采择推理学习参考坐标系
训练视觉语言模型构建显式参考坐标系，先监督微调再强化学习，提升视角采择推理。
面向神经编码与解码的稀疏视角可解释三维动物行为表征
SABLE以自监督几何先验从稀疏视角重建可解释的三维行为表征，零样本泛化，助力神经编码与解码。
Mirror-Score：校准的仅推理评分揭示D-肽设计中序列兼容性排序的局限
提出Mirror-Score校准评分框架与31个复合物基准，揭示序列似然无法预测D-肽亲和力，镜像共折叠置信度家族内排序更可靠。
从敏锐之眼到专家思维：在 MLLMs 中内化专家知识实现篡改文本检测
提出 EKI 两阶段框架，将专家取证知识内化到 MLLM，解决双重不匹配，在篡改文本检测上达 SOTA 且推理高效。
SMat-Attention：结构化长上下文序列建模
以VC维d为可调旋钮构建结构化因果掩码，提出SMat-Attention，兼顾亚二次预填充与常数时间解码，并可扩展至Mamba-2等模型。
LongCat深度研究技术报告
提出LongCat深度研究系统，结合增强模型与多智能体工作流，分离全局规划与局部调查，支持分节修订，在多个基准测试中表现优异。
生成中的表示设计：扩散 Transformer 中的跨视图类令牌对齐
在扩散变换器中引入跨视图类令牌对齐，联合流匹配训练，提升表示质量且不损生成质量。
AI理解的复调式构想
LLM输出源于多个并行机制组成、可靠性不均的联盟；应据可靠控制输出的健全回路判断理解，以指导信任。
GeoOutageBench：面向多模态停电与韧性分析的歧义感知、本体支撑的地理时空KGQA基准
提出GeoOutageBench基准，评测大模型地理时空KGQA的歧义理解、本体效用与多模态停电韧性分析能力。
三思而后修：笔画引导注意力的风险感知满文手稿修复
提出SAGE-Restore选择性修复框架，先评估需修复区域，以笔画结构线索与像素软门控，兼顾退化恢复与完好内容保留。