参数化多模态用户记忆：存储字幕无法承载的内容
多模态参数化用户记忆：用视觉语言模型定位指代，专用编码器提取身份键，补字幕所缺，达零点九六召回。
基于超球面测地线匹配的无监督潜空间对齐
提出超球面高斯对齐，仅依据潜空间几何匹配即可无监督对齐，无需配对数据，在模型拼接与多语词嵌入中达到监督性能。
语义ID推荐系统的离线策略评估：模型自身的代码层级有用吗？
语义ID推荐器的离线策略评估中，将物品粗化为代码前缀簇可降低误差，SID树便于实现，深度控制偏差界。
从GenAI虚拟患者对话日志到教师可解释的过程证据：一项高等教育中的学习分析研究
通过三层分析1030个GenAI虚拟患者对话，揭示高质量病史采集的过程模式，为医学教育提供过程反馈证据。
Gurukul AI：面向印度教育体系的交互式AI驱动教育平台
基于印度教材构建问答数据集，微调大模型并部署检索增强生成，推出双语人工智能教育平台，适配本土教学。
利用孪生神经网络测量艺术图像与AI生成图像之间的相似性
采用孪生网络与CLIP编码器，三元组损失优化，测试准确率99.4%，有效区分艺术与AI图像。
等变层束神经网络：学习图上的几何传输
提出等变层束神经网络(ESNN)，通过边上的矩阵输运保持等变性，在多任务中优于现有方法，无需高阶表示。
STAGEET：以阿拉伯语为案例的分阶段类型化编辑标注语法纠错
提出STAGEET分阶段类型化编辑标注框架，将纠错分解为有序阶段，在阿拉伯语QALB-2014取得最优性能。
通用编码计算的学习理论基础：掉队场景
提出通用编码计算(GCC)，在RKHS中最小化端到端均方误差；掉队时最坏误差O(S^3N^-3)，随机O(log^3N N^-3)。
通过结构化视频提示改进视频语言模型的时空推理
提出结构化视频提示在推理时给视频添加时空结构无需训练即可提升视频语言模型的时空推理能力
面向科学文档表示的文档内非对称预测学习
提出无引文预测框架，以标题摘要预测方法部分，再预测结论，加入正则化可显著提升性能。
FrameScope：自动驾驶系统中流式主动学习的时序数据估值
提出时序数据估值框架，在车端筛选高价值帧，仅向云端请求其标签，提升样本效率、缓解灾难性遗忘并降低带宽。
多曝光HDR成像：像素级与特征级重建方法综述
综述多曝光HDR成像，重点分类像素级与特征级重建，涵盖融合与去鬼影，总结数据集、指标及未来方向。
大型语言模型会审视其所评审的内容吗？评分校准、错误检测与作者身份效应的多模态审计
多模态LLM评分高于人类，错误检测率仅12%-22%，图表反降检测，作者身份无影响。
D3-Gym：为数据驱动发现构建真实可验证环境
首个自动构建的可验证环境数据集，含565个真实科研任务，自动评估脚本与训练轨迹提升模型性能。
FastSLM：高效长语音适配的层次时间抽象
FastSLM用层级时间抽象器将语音压缩97%（1.67词元/秒），性能相当且计算量大幅降低。
流推理模型：将离散流转化为高效循环推理器
流推理模型用循环精炼将离散流转为迭代求解器，定点强制纠偏，数独等任务高精度且推理计算量大减。
MA-RAG：用于查询驱动的纵向帕金森病评估摘要的多智能体检索增强生成
提出MA-RAG多智能体检索增强生成框架，用于帕金森病纵向评估摘要，提升事实准确性，降低幻觉率
SemKV：面向长上下文大语言模型推理、由质量悬崖引导的语义混合精度KV缓存量化
质量悬崖在2-2.322；SemKV按内部分数分配两种崖上精度，压缩6倍无统计差异，优化后7.9倍。
描述-然后-行动：基于蒸馏语言-动作世界模型的智能体主动引导
DILLO将“先模拟后行动”转为“先描述后行动”，用语言模型预测结果，提速14倍，任务成功率最高提升15个百分点。
MIRAGE-CAD：基于构造中介的多模态可执行CAD程序生成
从多模态输入生成可执行CAD程序，以显式构造计划为中介，构建成功率55.4%–70%，STEP导出率52.3%–66.2%。
PAPO：通过解耦优势归一化稳定Rubric集成训练
提出PAPO方法，用解耦优势归一化整合过程与结果奖励，避免奖励攻击，持续提升推理性能，优于结果奖励模型。
实时AI服务经济：跨算力连续体的智能体计算框架
服务依赖图拓扑决定去中心化定价的稳定性；混合架构封装复杂子图；实验表明分层DAG可实现集中式质量。
理解并强制任务算术中的权重解缠
提出任务特征专门化（TFS）作为权重解缠的充分条件，通过强制权重更新正交化（OrthoReg）促进解缠，显著提升任务算术性能。
SEGRA：面向属性图问答的结构化经验引导推理智能体
SEGRA结合模式引导与可复用技能库，企业图问答评分提升7倍，LLM调用减20%，成本降18%。
重新思考证据深度学习中的OOD检测的空虚性
研究发现，基于空虚性的OOD检测对类别数K敏感，K不一致会虚增AUROC/AUPR，需谨慎评估。
HALT：面向检索增强搜索代理的验证感知停止策略
HALT基于证据覆盖而非生成置信度决定停止，在保持精确匹配的同时减少冗余检索。
AdaptAV：基于云端Oracle的自动驾驶车辆视觉模型持续适应
针对自动驾驶轻量视觉模型泛化不足，云端高精度Oracle指导车辆模型重训并传回，提升推理精度。
改进率失真权衡的分布式语义分割
提出两种新源码编解码器，极低比特率下提升率失真性能，分布式语义分割达SOTA。
从损失景观到神经网络中的多样特征学习
本论文阐明并利用损失景观中的模式连接结构，推动神经网络的多样特征学习。
FLM：面向生成式图像压缩的频率感知语言模型
频率感知语言模型FLM，用DCT系数序列自回归概率建模，提升图像压缩率失真性能，优于JPEG。
培育林分，而非单树：联合树冠生成再现树冠羞避
联合生成林分而非单树，流匹配模型再现树冠羞避，证实其为林分整体属性。
用于文本与多媒体数据的有效图及排序上下文嵌入
提出一种无监督框架，基于图和排序生成可解释嵌入，在文本与图像的检索、分类和聚类中优于基线方法。
混合语义上下文增强的集成学习用于风电爬坡事件预测与不确定性感知评估
将风机数据转为语义文本嵌入增强集成模型，预测爬坡事件；统计显著但增益小，外部数据验证有效，事件期间预测区间变弱。
通用风格感知全双工框架实现主动语音轮次
提出LPS-TC控制器与WildTurn数据集，实现主动打断与反馈，提升时序与响应质量。
多传感器融合的脆弱城市住区制图：基于SAR、多光谱与高光谱影像的阿根廷科尔多瓦案例研究
融合SAR、多光谱和高光谱影像的深度学习框架，有效绘制非正规住区，并揭示更广泛的城市脆弱性模式。
Flow-JEPA：JEPA世界模型中用于鲁棒潜在动力学的流匹配
提出Flow-JEPA，用条件流匹配生成未来潜状态，替代确定性自回归，提升清洁和噪声环境下的任务成功率。
中文标题
提出HERBIOME自动化流水线，融合检测、识别与语义解析，高效提取植物标本标签元数据，支撑多模态AI。
重新审视DP-SGD的可证明与可审计隐私差距
以经验隐私下界为优化目标，提出轻量防御框架，显著提升DP-SGD经验隐私且不损失理论隐私。
投影感知的360度视频端到端学习压缩
研究发现投影效率依赖编解码器：神经压缩中等距柱状投影最优，传统编码器则立方体贴图更佳，为学习式360度视频压缩选投影提供参考。
CARD：通过逆向扩散中的一致性校准实现域外MRI分割
利用逆向扩散中形状先验与分割器的不一致轨迹，逐像素校准置信度，在MRI域移中45/49优于最强基线。
使用现成VLM评估SVG生成的约束迭代细化
现成VLM生成SVG：约束解码提升编译成功率，迭代细化暴露视觉推理与自纠错不足，有潜力但受限。
Terminal-Bench-LILT：基于语言、地域与文化的多语言智能体编码基准
提出多语言编程基准，含10种语言300任务，最强模型通过率仅63.1%，显示多语言编码能力是独立维度。
数据多样性，而非频率不变性：压缩鲁棒深度伪造检测的受控与自我审计研究
频率不变性无益于压缩鲁棒深度伪造检测；数据多样性（多码率）才是关键，普通模型即可超越复杂频率方法。
自适应感知与执行的自我不确定性调节视觉-语言-动作模型
提出SCALE推理策略，基于自我不确定性联合调节感知与动作，无需额外训练或验证器，单次前向即可提升VLA模型鲁棒性。
ASA：免骨干训练的工具调用智能体表征工程
提出免训练激活引导适配器，单次干预中间层，路由混合转向向量，将工具调用F1从0.18提至0.50，误报率降至0.05。
超越输出正确性：编码任务中大语言模型推理的基准测试与评估
提出CodeRQ-Bench基准，评估编码任务中LLM推理质量；基于洞察设计VERA评估器，性能显著优于基线。
无连续性假设的 CVaR-UCBVI 近极小极大首阶遗憾
证明 CVaR-UCBVI 无需连续性，任意收益分布下达到 τ^{-1/2} 首阶极小极大最优遗憾。
防御可穿戴VLM遭受私有属性推断
提出TGAP防御可穿戴VLM令牌泄露，隐私推断准确率从56.7%降至7.4%，保持可用性。
提示词无法保护：通过MCP代理实现LLM工具访问控制的架构强制
提示词无法阻止模型调用未授权工具，对抗场景违规率高达96%。提出MCP代理强制属性访问控制，在发现时过滤工具，实现零违规。