StreamEMS：基于自进化记忆机制的视觉语言模型流式视频理解
提出StreamEMS，通过语义与先验进化模块重构记忆表征，提升流式视频理解，在OVO-Bench等数据集上优于现有方法。
RiskBlend：机器学习回归测试中测试输入优先级排序的多信号框架
提出RiskBlend框架，融合历史失败、预测/边界/邻域变化四种信号，在80种组合中平均APFD最高。
扩散语言模型的轨迹级投机解码
提出轨迹级投机解码，利用置信分层树探索与块并行验证，减少30-40%迭代，速度提升7-14倍，精度损失小于1%。
线性探针如何涌现？基于概念定向归因的电路追踪框架
提出CTA框架解释线性探针内部电路，图特征预测准确率，因果消融区分探针与输出机制。
思考消耗令牌：更多结构何时值得付出代价
存在令牌预算阈值，约1000-1500令牌时验证搜索超越单体，更高预算保持优势。
Nemotron 3.5 内容安全审核器：紧凑型多模态、多语言且支持推理的内容安全审核器
提出4B多模态安全审核器，跨12语言分类用户提示、图像和回复，支持自定义策略推理，兼顾覆盖与效率。
交互表征究竟在测量什么？弱监督暴力检测中的事件前可分离性
暴力检测中，姿态交互表征未优于粗粒度几何；评分受事件前来源痕迹（标题卡、水印）影响，掩盖表征差异。
知道再回答：解码语言模型实现可靠RAG
研究利用模型内部信号判断RAG证据是否充分或冲突，轻量线性分类器优于提示方法，可可靠用于RAG分流。
超越非独立同分布：联邦学习中的学习者-客户端分布不匹配
现有联邦学习忽视客户端与学习者数据分布错位，提出基于代理数据的影响力感知动态客户端选择，用留一法评估，提升收敛速度与精度。
当分词器失效：面向低资源语言零样本迁移的字节级分块
提出适配层级网络，从冻结子词模型初始化字节嵌入，用分块对齐损失和词性监督，零样本迁移至低资源语言，词性标注提升13.3%。
SETU：面向多语言、角色感知沟通教练的智能体生态系统
SETU是面向企业沟通教练的智能体生态系统，分解多模态分析，生成可审计报告，保留人工终审。
利用基础模型进行基于脑电图的阿尔茨海默病诊断
利用脑电预训练大模型与随机森林，仅用8秒脑电片段，AUC达89.36%，优于传统频谱法，并捕获临床验证的α/θ节律退化生物标志物。
SafeStep：面向行人安全监测的语义通信交互演示
开发交互式演示平台，实时监测行人安全，采用新型语义通信方案，任务损失降低92.1%，支持多用户并发。
WM-R1：使用强化学习训练GUI代理进行推理并利用世界模型
首个用世界模型替代真实环境训练图形界面代理强化学习框架，无需真实交互，并行轨迹生成，多维奖励，超基线。
CommerceVibe：通过双反馈强化学习将电商创意设计为可执行视觉代码
将电商创意表示为可执行视觉代码，利用规则与视觉语言模型双反馈强化学习，显著提升生成质量与可编辑性。
DensityKV：面向长视频生成的密度引导KV缓存压缩
提出密度KV方法，无需训练，用密度引导管理KV缓存，减少冗余积累，提升长视频一致性与稳定性，存储有界。
低于噪声底限：小模型知识蒸馏中的双峰坍缩与不同失败模式
小模型KD单种子评估不可靠：种子方差大、多方法双峰坍缩，且存在错误选函数与输出截断等失败模式，仅渐进式与排名式稳定。
DART-FL：边缘动态推理需求下的突发感知多任务联邦学习
提出突发感知多任务联邦学习，动态切分推理训练资源，按需求调权，突发期提升高频任务精度，保持性能。
来自模型内部的调用：探究基于探针的大语言模型工具调用错误检测
线性探针可有效检测LLM工具调用错误，能泛化至新型错误，效果受模型大小、探针层与训练方式影响。
先使其可玩，再使其优秀：小型对话游戏智能体的分阶段交互学习
提出2B对话游戏模型：先模仿成功轨迹保可玩，再用加权回合与教师引导提决策，Playpen第二，已开源。
时间思维树：推理引导的视觉线索搜索用于长视频理解
提出时序思维树框架，先全局定位再局部细查，自适应搜索视觉线索，提升长视频理解性能。
超越搜索模仿：面向无搜索国际象棋的先验引导探索
用前向KL替代反向KL，使无搜索自博弈探索贴近先验，提升战术准确率但棋力不随之提升，二者解耦。
音视频大语言模型中的组合失败：跨模态冲突下的后期层先验主导
研究音视频冲突下AV-LLM组合泛化，发现后期层先验主导致失败，VideoLLaMA 2近乎随机，InternVideo2下降32.3%。
CareGraph：基于证据的可审计混合AI框架，用于个性化纵向健康智能
可审计混合AI框架，基于证据将异构记录转为个性化趋势与问题，不诊断不决策，安全可控且可追溯。
生成式人工智能拓展课程型本科生科研体验（CUREs）的智力边界
生成式人工智能以个性化支持、分布式认知和保留人类判断力拓展了CURE研究的智力边界
信息反局部性与大语言模型中的局部性偏差
大语言模型能学会反局部语言，损失相当，但越反局部收敛越慢，说明非局部依赖更难学，偏差在速度而非成败。
如果智能体是天使，就无需治理：可信工具边界上的带外策略执行
提出带外策略执行，在可信工具边界授权操作并过滤数据，跟踪失败率由57.6%降至0.2%。
承重上下文：评估语言推理中上下文依赖的问题损伤评分
基于问题损伤评分的诊断框架评估上下文依赖：删除承重示例后，前沿大模型很少弃权，常仍答对。
神经纹理压缩的线程高效解码
共享解码器与渐进冻结训练，结合纹理聚类，降低线程发散25%-52%，速度提升8.48倍且画质不变。
uScenes：面向水下机器人感知的多模态RGB和3D声纳数据集
uScenes多模态数据集：同步3D声纳点云与RGB，110场景9.5万观测，用于水下传感融合与三维理解。
协作流程的对象中心预测监控框架
提出对象中心协作流程预测监控框架，映射为OCEL，重定义预测任务，用五个日志评估。
面向高效天气集合预报的扩散蒸馏
提出监督能量距离蒸馏，将多步扩散教师压成单步学生，保持极端事件技巧，用于天气预报，一次评估达或超教师。
PersonaEdit：用于个性化模型编辑的代表性样本选择
提出PersonaEdit聚类抽样法，减少编辑样本量且保持性能，结合检索增强可提升LLM个性化效果。
PCBnet：面向原理图图像的SPICE网表数据集与自动构建方法
提出大规模PCB原理图数据集及自动化网表构建流程，检测识别精度高，为AI PCB设计提供基准。
不确定性感知多器官超声分类中架构复杂性的受控审计
受控审计显示，简化模型（Simple-CE+TS）在标定与选择性风险上优于完整EDL，且无可靠增益。
ReToolSQL：面向稳健文本到SQL的智能体强化学习
ReToolSQL用两阶段训练（监督微调+智能体强化微调）提升文本转SQL，BIRD单模型准确率74.32%居首，无需人工标注。
RealSWE：现实用户请求下编码智能体的组合式评估
真实请求简短随意且缺乏上下文，使编码智能体解决率降6.4个百分点；明确陈述期望行为和动机可显著提升性能。
探测多模态大模型感知先验：基于可解释生成控制的吉布斯采样
提出用吉布斯采样直接抽取多模态模型的感知先验，发现直接提示无法揭示的偏见与新先验。
SOMTab：高效表格上下文学习的集合序Mamba方法
SOMTab用Mamba构建表示、注意力做预测，实现高效表格上下文学习，推理更快、内存更低。
初始化至关重要：通过模型初始化推进负荷异构下的联邦短期负荷预测
针对联邦短期负荷预测中的负荷异构问题提出全局预训练与局部顺序初始化策略减少客户端漂移提升精度
动态图上时序记忆感知的在线测试时适应
提出动态图在线测试时适应新方法，含时序增强、记忆感知与一致性引导，显著提升多种分布偏移下的泛化。
PCFBench：产品碳足迹估算的诊断性基准
首个诊断基准PCFBench将产品碳足迹估算分解为六项任务，用614个专家标注项测试，发现逐步生成性能下降并发布数据。
中文标题：可操作CBFI：面向表格机器学习的结构分解与因果反事实干预整合框架
中文摘要：提出A-CBFI框架，基于结构因果模型定位因果瓶颈并精准干预，减少主动干预负担76.9%，同时保持因果有效性与全局干预成本。
TACIT-Switch：基于删失监督的LLM智能体成本感知模型升级
提出TACIT-Switch，用区间删失观测学习永久切换策略，在相似成本下成功率提升7.4-11.1个百分点。
EvoHarmBench：用迭代式类人规避突破内容审核
首个动态对抗评测框架，迭代优化语义簇级规避并兼顾可读性，揭示商业审核系统攻击成功率达80.3%
合成语言能动性：具身可朽智能体如何通过有后果的社会经验习得语言可供性
定义合成语言能动性，构建具身可朽智能体，从影响存亡的社交后果中学习语言，表达受身体历史塑造并改变伙伴行为。
面向通用视频理解的免训练时间抽象
免训练STITCH将视频切成语义时间块，复用于边界检测、片段检索和帧选择，少帧时更佳。
超越成对图：用于参数化PDE的超图自适应小波算子
提出超图自适应小波算子HALO，以线性稀疏成本学习谱域特征，在多类基准上达最优精度，并稳定扩展至工业级网格。
为何不检查？两个配备工具的语言模型中的无依据最终声明及其修复
工具型模型证据不足仍下结论，补充证据可修复33/33，无关信息不修复；自动检查纠错且不损害正确。
GAAT：多模态无人机感知的几何感知对齐Transformer
提出几何感知对齐变换器GAAT，通过同步视图变换学习几何先验，实现稀疏融合，在六项无人机感知任务上最优。