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。
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。