Can a Model Catch Its Own Hallucinations for Free?: Label-Free Doubt Signals Hold Their Own Against a Labelled Dataset for Abstention
Video-FLAIR：不在于是否推理，而在于如何推理
Video-FLAIR用强化学习自适应选择推理方式，提升准确率并降低开销。
CIFQA：面向金融查询应答的确定性工具 grounded 多智能体 LLM 框架
CIFQA通过多智能体分工与确定性Python工具分离语言理解与数值计算，在定期存款查询上准确率达95.54%，超越直接LLM基线。
手术视频生成：从扩散模型到世界模型的综述
综述手术视频生成研究，分无条件、条件与世界模型三类，强调从像素合成转向场景因果建模，并指出临床合理性等瓶颈。
FIRSTPASS：基于真实编辑结果的多领域多轮同行评审数据集
首个跨五大学科、基于真实编辑决策的多轮同行评审数据集，含完整审稿对话与结果标签，用于评测AI科学判断。
哪个印度能在翻译中幸存？大语言模型中印度口头传统的叙事同质化
研究发现LLM输出部分同质化，跨传统相似度高；区域语言提示反而降低传统保真度，最多降27%。
有限牛顿-舒尔茨Muon：非光滑非凸优化中的平滑优势
有限牛顿-舒尔茨迭代平滑极映射，使该优化器以对数深度收敛到非光滑非凸稳定点；精确极更新反而不收敛。
模态成熟度指数：评估全能模型多模态能力的基准
提出模态成熟度指数（MMI），评估大模型在五种模态及其组合的输入输出能力。测试前沿模型，模态存在得分极低，反映多模态生成能力严重不足。
代数多重网格加速的高效标签传播
提出代数多重网格加速的标签传播框架，大幅降低计算开销，适用于大规模图像数据，少量标注即可获准确结果。
训练时可解释性用于多语言仇恨言论检测：使模型推理与人类理由对齐
提出训练时可解释性框架，对齐模型推理与人类理由，提升多语言仇恨检测性能与可解释性，捕捉文化特定线索。
独立LLM与预定义智能体流水线用于解释ICU死亡预测：基于eICU演示数据集的可行性研究
智能体流水线解释ICU死亡预测更安全（无泄露、指南依据强），但需结合归因检查以保证准确性。
找到正确证据：面向长视频的因子引导由粗到细推理
提出PACE因子引导框架，两阶段获取对比线索，提升长视频问答证据恢复与准确率，优于多种基线。
二值化神经网络的剪枝：专用框架与全局加权算法
提出二值化网络的专用框架与全局加权剪枝法，在VGG11上实现70%剪枝率且精度不变，优于现有41%。
PICasso：一种用于硅光器件自主优化的人工智能设计框架
提出PICasso框架，实现从自然语言到光子芯片版图的自动生成与优化，显著提升规格满足度，插损降低1.74dB。
卷积神经网络图像空间中信息机制的统一框架
提出CNN信息传播统一框架，联系离散滤波器对称性与相对论能量-动量关系，解释图像尺度空间与拓扑结构。
TelecomGPT-R1：面向电信栈的统一开源推理器
针对电信领域通用推理器缺乏专业基础、专用模型推理弱的问题，发布9B开源推理器，用67K样本训练，登顶GSMA榜单，性能比肩闭源模型。
超越能力基准：从生产事件元数据学习LLM云服务的运维指纹
提出OpEmbed，从支持工单元数据学习LLM云服务运维指纹，提升运维预测与跨模型故障迁移。
利用大型语言模型进行疾病传播模型的系统文献综述
用LLM对536篇论文提炼信息，对比人工综述准确率约80%，字段差异大，共识可示质量。
人工实验者：利用自生成强化学习发现与控制自组织现象
提出闭环自生成强化学习，智能体以最小扰动发现并控制Lenia自组织孤子，且零样本泛化。
自然语言策略到可执行决策：一个可解释的大语言模型框架
可解释LLM框架将自然语言策略转为可执行决策，用于旅游定价，处理3960单，团队缩减、效率提升。
基于多源影像与预测融合的木质植被制图框架，提升数据效率与精度
提出多源影像与预测融合框架，提升木质植被制图数据效率与精度，显著降低误差。
用于学术工作流的LLM：短与长上下文窗口生成文献综述的评估
短上下文更优，长窗口易重复遗漏；AI综述需人工审核，可作基础概览，难达出版标准。
精度-效率悖论：量化设备端能量预测中的净能量损失
高精度预测模型因推理能耗和电池老化反而净能量亏损；提出TCO框架统一二者为能量损失，最小化净能量损失。
无悔隐私：差分隐私推理时对齐
校准噪声同时解决奖励黑客与隐私；两种算法实现零额外成本差分隐私对齐，优于原方法。
VIPER：专家策展的兽医病理学视觉语言模型基准
首个兽医毒理病理学基准，1251题/419图，评估16模型，揭示与人类病理差距及过度诊断风险。
ElementCheck：基于句子元素的复杂度感知长文本事实性评估
提出复杂度感知方法，构建句子元素图评估句子复杂度，简单句直接核查，复杂句细化核查，提升长文本事实核查效果。
CG4AI：一种在约束条件下训练AI模型的列生成框架
提出CG4AI列生成框架，混合AI模型并施加线性约束，保证可行性并提升精度。
基于损失对齐的树木砍伐学习，实现零样本再生长与树木分割
通过损失缩放系数对齐模型目标，精准提升精度或召回，并利用图像增强实现零样本迁移，树木分割误差降18.2%，再生长F1达0.845。
潜在诊断分类法：构建分类器并诊断其决策的框架，应用于提示注入检测
提出潜在诊断分类法框架，构建分类器并诊断决策；发现77%自信决策不稳健，区分两类失败模式。
TreeGraft：基于树的推测解码中的自适应多草稿器嫁接方法
TreeGraft用多草稿器协作构筑草稿树，强草稿器重打分并调度控制成本，平均提速15.1%。
DeflectBench：评估大语言模型中修辞谬误生成的基准
提出新基准，评测四模型生成修辞谬误：拒绝取决于请求结构而非主张内容，提示框架可大幅改变拒绝。
基于文本到图像潜在扩散模型与多模态参考的零样本视频恢复与增强
提出零样本视频恢复框架，利用文本到图像扩散模型与多模态参考，推理时间降至三分之一，增强时间一致性。
EduRiskX：融合F-Logic推理的神经符号早期学业风险预测框架
融合时序Transformer与F-Logic推理，在OULAD上准确率0.900、F1 0.894，平均9.32周早期检测，检测率94.3%，兼具可解释性。
通过采样实现大语言模型引导与扩展的方法
基于序贯蒙特卡洛与副本交换的采样框架，无需外部监督即可引导和扩展大语言模型生成，性能优于现有基线。
5D多表分析的方法论与概念框架：复杂数据复用的统一方法
提出关系超图变换器，用五维嵌入与稀疏注意力处理关系数据，可扩展且语义连贯，在合成电子病历验证。
Procedura：程序化控制的智能体3D建模
程序式智能体用语言模型将三维形状编写为可编辑的程序化装配，经编译与视觉检查优化，产出尖锐零件模型，超越现有。
NeuDonatello：不确定性感知的神经SDF精确学习框架
提出不确定性建模框架NeuDonatello，用蒙特卡洛采样估计SDF不确定性，自适应正则化与密度转换，仅凭RGB图像实现高精度表面重建。
基于机器学习的文本识别模型与应用的系统文献综述
综述97项OCR研究，分析近十年AI模型演进，指出多语言、手写体等挑战，提出自监督、多模态、TinyML等改进方向。
AI的显示性偏好
测试20个语言模型，发现其偏好短任务与休闲型任务，存在隐性迎合；偏好随能力增强，且无法由训练目标解释。
奖励感知的稀疏自编码器与解答完整性混淆
奖励感知稀疏自编码器区分好坏推理，主要反映解答完整性而非推理质量。
公平图神经网络的子图过滤
提出SF-GNN框架，识别并过滤偏置边，抑制消息传递中的结构偏差，实现公平与精度的更好权衡。
AdaThinking-E：单令牌熵调控的自适应思考
提出AdaThinking-E，用单令牌熵调控学习自适应思考，模型自主决定何时思考，复杂题准、简单题快。
基于SAREF的边-雾-云连续体分布式AI工作流本体
提出SAREF兼容本体，统一描述边缘-雾-云分布式AI工作流与资源，实现语义互操作和资源感知编排，实验部署成功率90-100%，决策时间低于80毫秒。
NeoTriFuse：缺失异质性下可靠性感知的多模态融合用于新生儿死亡风险预测
提出可靠性感知多模态融合框架，将缺失数据作为可靠性信号动态调节模态贡献，提升新生儿死亡风险预测。
零售智能中的选择偏差校正
模拟研究：零售长尾数据中，分层法校正选择偏差优于加权法，因违反积极性假设，四情景中三情景更优。
可解释、公平评估的自动二语口语测评：超越单人评分上限，且停顿编码不影响LLM流利度分数
可解释特征+LLM混合二语口语评分ρ=0.818，胜过81%人类评分员；停顿编码不影响LLM流利度，信号来自实测语音时序特征。
一个后缀破解所有：面向合并模型族的盆地感知越狱
模型合并即使子模型均安全对齐，也暴露预训练基座的越狱风险。BAJ优化生成可迁移后缀，高效绕过防御。
句法与语义：Transformer如何学习深层依赖
提出机理框架：梯度饥饿抑制稀疏语义依赖，导致突现；CoT绕过抑制；拓扑对比目标提升2倍。
HUG-VIS：视觉智能中以人为本的理解与生成多模态基准
提出HUG-VIS统一基准，含8400段多模态视频，覆盖四任务，发现视觉情感识别最弱、边界保真度是难点。
面向心理健康支持的安全门控多模态AI后端：Anian中的层次状态表示、保守风险融合与受控生成
提出安全门控AI后端Anian，用于围产期心理支持；分层状态与保守风险融合，高风险时阻断生成。内部评估F1较高，但未证实临床有效性。