使用智能网络的分布式训练
提出让网络主动参与分布式训练，用组播与FPGA缓解带宽延迟，优化同步调度，缩小与本地训练的差距。
Diff Mining：对数几率差异揭示微调目标
通过比较微调模型与基础模型的对数几率差异，识别微调目标，仅需输出对数几率即可高效检测。
心理健康自然语言处理中的跨平台泛化失败：社交媒体上Transformer模型的五轴公平性审计
心理健康自然语言处理模型跨平台时性能、校准与公平性严重退化，五轴审计表明跨平台验证应为标准要求。
拒绝并非稳健：审计大语言模型在无可证明信息临床疼痛语音转写中的自信虚构
七款大模型在无疼痛信息语音转写中，部分模型在被强制回答时高置信度虚构疼痛评分，权威提示可致弃权率剧变。
Agents 不翻页：LLM 工具响应的首块选择
研究发现提高首块命中率不提升下游准确率，关键词评分器虽提升p1但无实际收益。
强化学习中的主动课程精炼
提出PATH框架，利用环境前置关系构成课程图，主动采样扩展路径并重分配训练至未掌握区域，提升鲁棒性与泛化。
基于异步事件流的实时无监督目标发现
提出无需训练的实时无监督目标发现框架，基于自适应时空聚类与滤波，高效去噪并发现运动目标，性能超越现有方法。
任务中心本体与确定性领域规则：AI辅助化学解题的可验证核心
提出任务本体与确定性规则的可验证核心，在300道化学题上匹配率98.67%，验证覆盖率与内部一致性，而非泛化。
扩散式大语言模型的词缀缓存
ACache仅重算约20%锚点令牌，恢复扩散大模型缓存复用精度，降延迟55.7%，吞吐提升1.68倍。
迈向公平的低碳出行：面向扩展中共享单车系统的公平感知需求预测
提出公平感知图神经网络，预测扩展中共享单车需求，缓解冷启动和收入不平等，同时保持高精度。
扩散多模态大语言模型的视觉信息引导并行解码
提出VIG-Sampler，按图像注意力排序并惩罚相似分布，提升生成质量，减少解码步数。
GROUND：通过受治理的语义定义降低大模型企业分析中的幻觉
提出受管制语义定义框架，约束大模型分析，校验查询与安全规则，实验证明零幻觉、零违规。
EEG到报告：面向临床EEG语言模型训练的标注与特征-文本框架
该框架整合EEG标注与特征提取，生成特征-文本对以训练语言模型，并借助CNN与LLM自动起草临床报告。
知识卡片：AI系统的结构化知识
知识卡片记录单个概念的有效知识，供专家审查、组织审计、AI推理，弥补现有文档空白。
文本到种子生成：利用扩散模型作为文本引导的种子生成器，实现免训练的开词汇种子语义分割
将开放词汇分割重构为文本定位种子，再用SAM扩展区域，无需训练即达强性能。
共享演员无需共享评论家：并行强化学习中的价值不匹配效应
并行强化学习中共享评论家因价值不匹配损害学习，给评论家环境索引可显著提升性能。
智能体Seer：从规范理解合成场景
利用工具规范自动合成评估场景，无需人工或真实执行，生成多轮对话，质量强且覆盖全。
用于曲线重建和点云数据分析的贝叶斯方法与马尔可夫链蒙特卡洛算法
提出全贝叶斯点云曲线重建框架，基于蒙特卡洛采样推断，量化不确定性，实验验证准确。
现实对话情境中的语言模型评估
提出UPHELD基准，基于专业对话与36万条人工标注，发现现有指标不可靠，混合裁判提升相关性30%。
通信约束下公平且个性化的去中心化学习统一框架
提出统一框架DMFL-SQ，融合个性化、公平性与稀疏量化事件触发通信，保收敛、降通信、提公平。
评估荣誉候选人的数据科学方法
提出模块化OSINT与情感分析流程用MINOS评估公众声誉用于英国荣誉制度决策支持
FU-Mamba：一种面向口内扫描图像分割的频率增强动态扫描框架
提出动态扫描与频域增强框架，解决口扫分割中空间连续性与边界定位问题，精度提升1.1%。
谁保留，什么改变：身份锚定的复合步态检索
提出复合步态检索新任务，构建首个步态-语言数据集，用身份锚定框架防身份漂移，在两项基准上取得最优结果。
FAN-LoRA：用于医学基础模型领域自适应的傅里叶自适应非线性低秩适配器
FAN-LoRA提出频率解耦适配器，样条低通对齐结构，傅里叶高通补偿纹理，跨模态跨中心超越现有微调，Dice提升且边界误差降低。
DPA-I2P：面向自动驾驶图像到点云配准的深度引导投影对齐
提出DPA-I2P，采用深度引导投影对齐与跨模态查询剪枝，显著提升图像-点云配准精度。
用于电信客户流失预测的可解释人工智能：CRM集成框架
电信客户流失预测：四模型性能接近，可解释分析定位关键因子；CRM四层架构可降高风险客户流失3.3-5.3%，节省20-32万美元。
我的机器人为何突然变性格？基于LLM的人机交互中接地机器人人格的提示设计指南
提出LLM机器人提示设计框架，含八组件模板，强调人设清晰、能力边界与安全伦理，以支持可靠可解释的人机交互。
TutorTrace：用于AI辅助编程教育中学习者行为状态分类的数据集与分类体系
提出TutorTrace数据集，从IDE遥测实时提取行为上下文，助力AI编程辅导；实验表明行为感知提示减少无独立工作的查询间隔，并能预测查询行为与求助类型。
基于MCP工具调用的硬件设计自动化AI智能体基准测试
评估本地大模型在MCP工具调用中自动化硬件设计流程，发现模型配置与任务结构显著影响可靠性。
你的社区安全吗？大型语言模型城市安全判断中的地方污名
大型语言模型用社区名称判断城市安全，受种族人口比例影响，而非真实犯罪率。
你能替我说吗？在面对面讨论中通过代理发声
混合现实系统通过虚拟代理替用户发声，将观点与身份分离，使犹豫点进入现场讨论；初步研究显示比文本板更有效。
位置即一切：MLLM指称表达分割中的免费午餐Token压缩策略
指称分割的标记压缩需保留位置信息；提出仅依位置信息的免训练压缩法PAYN，超越现有方法。
工具使用智能体的调用级可靠性
测调用正确率区分两类失败；深度6时近七成能力因自身错误丢失；评分规则锁定参数，条件状态评分可解。
组织混合熵加权重建用于部分容积感知的脑MRI超分辨率
提出组织混合熵加权重建，应对部分容积效应，提升脑磁共振超分辨率，推理仅需低分辨率图。
LiveVVT：实时高保真视频虚拟试穿
LiveVVT：滚动流式扩散框架，保持双向建模，实现实时高保真视频试穿，大幅降低延迟并提高吞吐量。
自生成文本识别：LLM评估中的质量启发式、跨任务迁移与下游偏差
模型自生成文本识别受评估格式影响，质量启发式是混杂因素，训练可迁移并致自我偏好，影响安全。
为什么当前的XAI不足以应对阿拉伯语NLP：可解释性差距的批判性综述
阿拉伯语NLP可解释性存在方法、任务、语言三重差距，需构建基于语言文化的可解释AI研究议程。
CARE：面向医学大语言模型的因果对齐推理探索
提出CARE框架，通过因果充分性与近端可学习性筛选经验，减少正确但推理不一致，提升训练稳定性。
到达并生存：利用单比特失败信号扩展安全目标条件策略学习
针对CRL忽略失败终止致高估，提出Safe-CRL用单比特失败信号纠正，提升安全目标策略的到达与生存。
多类学习的算法原理难以获得：正则化与适当学习的局限
多类学习不可归约为适当学习；适当学习需训练误差；正则化非通用，并刻画SRM可学性。
基于潜在世界模型的后果预测与导航策略强化
提出潜在世界模型，预测动作后果的潜在特征兼容性，支持反事实训练与模型内强化学习，导航表现超越先前方法。
AffectOmni：面向社交与艺术场景、基于RL可验证的以人为本情感推理框架
提出AffectOmni，用GRPO强化关注人物线索与时间顺序，改进奖励判别性，经SAM3生成可审计像素证据，在情感识别等任务上显著提升。
超越准确率：视觉语言模型在模因仇恨言论检测中的定性分析
超越准确率，定性分析四个顶级视觉语言模型在零样本/少样本下对仇恨模因的解释，揭示其忽视上下文线索的局限。
多模态纵向EHR事件风险预测的结构化证据路由
提出结构化证据路由，融合多模态纵向EHR证据，五个事件风险预测任务达监督基线水平，保留证据轨迹。
从初筛预测可定量性以优先排序剂量反应分析
研究表明，可从低成本的初筛结果预测后续剂量反应测试能否获得可用药效，据此优先安排检测，优化资源分配。
船体优先、尾流次之：抑制尾流依赖的鲁棒海事船舶检测
提出船体优先、尾流次之框架，分离船体证据与尾流上下文，抑制尾流主导预测，提升弱无尾流船舶检测鲁棒性。
迈向可解释的抑郁症检测：将声学特征与DSM-5指标相关联
提出透明链接框架，将语音声学特征映射至DSM-5抑郁指标，实现可解释、隐私保护的本地检测，初步验证关联合理。
层级通道堆叠：一种用于AI生成图像检测的结构化决策框架
层级通道堆叠将卷积网络激活转为60维分层表示，检测人工智能图像准确率86.7%，并分析层级贡献。
超立方体上随机tanh神经网络导数的高概率界
宽随机tanh网络混合导数高概率界：一阶导数界与深度无关，高阶导数至多按深度多项式增长。
CoGeo-GS：概念驱动与几何感知的3D场景多目标移除
提出概念驱动几何感知的三维多目标移除方法，效果优于现有。