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。
智能体AI操作纳米表征科学仪器
提出智能体AI框架操作原子力显微镜，经MCP连接大模型与仪器，安全执行命令，图像质量与专家相当。
Vagdhenu：一种感知诗律（Vrutta）的梵语颂诗转吟唱（TTS）系统
诗律感知的梵语颂诗吟唱TTS：现成架构加模块，文本韵律调节无效，需参考音频与重训练，专家MOS 4.6。
Chart2SVG：从光栅图表生成可编辑SVG
提出多模态模型Chart2SVG，将光栅图表转为可编辑SVG，配结构图与数据集，超越基线。
先进AI混合方法在可再生能源电场优化与预测中的技术对比基准研究
多种AI预测对比：随机森林-双向LSTM整体最优，图网络善空间交互，但无普适架构。
视网膜眼底图像分类的领域特定自监督表示学习
针对视网膜图像定制增强策略，用SimSiam和SimCLR在有限数据下学习可迁移表示，减少标注依赖，取得竞争性结果。
激活异常值至关重要：量化多模态大模型的稳健恢复
研究发现激活量化是超低比特多模态大模型性能下降主因，提出轻量残差回退量化（RFQ），在不改架构下恢复性能，逼近全精度基线。
用你之言推理：面向视频大语言模型推理蒸馏的离策略轨迹个人语型改写
提出Echo-GRPO，将教师轨迹改写成学生个人语型，解决策略失配，显著提升视频推理蒸馏性能。
AesCanvas：面向美学批评与情境适配的大规模数据集与基准
提出AesCanvas基准，含54,300图的批评数据与301个情境场景，揭示美学批评与情境判断能力分离，专家模型不擅情境适配。
评估面向癌症患者的AI生成摘要
采用人类专家与LLM双重评估AI癌症摘要，识别遗漏与不准确，迭代改进提示与安全护栏。
人工智能模型可预测并协同调节人类记忆检索
研究显示：大语言模型在语义流畅任务中预测人类记忆轨迹的能力优于人类，可协同拓展认知。
VFA：基于无视觉适配增强多语言多模态大模型
提出无视觉适配框架，解耦语言增强与视觉对齐，多语多模态基准性能提升且数据高效。
GRAS: Guided Reduced-Variance Proposals and Adaptive Selection for Training-Free Reward Alignment in Discrete Diffusion
PailitaoGR：生成式图像检索中的潜在图像思考
提出PailitaoGR，一种潜在图像思考的生成式图像检索方法，聚焦目标并利用辅助证据，性能平均提升13.8%。
RECAP-Forcing：长视频生成中的内容外观保留
该技术按外观新颖性组织记忆，保留新内容缓存，无需训练即提升长视频生成的视觉质量与语义一致性。
SimCast-S2S：基于气候模拟迁移学习的高效次季节降水预报生成模型
SimCast-S2S用潜在扩散生成模型与LoRA迁移学习，实现高效次季节降水概率预报，优于深度学习基线，媲美ECMWF-S2S。
J-Zero：零数据驱动的统一挑战者-求解者-评判者协同进化
J-Zero：零数据挑战者-求解者-评判者协同进化，可验证/不可验证域提升4.2/8.0分，持续十轮。
同一模型，不同框架：编码智能体结果迥异
改变控制框架即可改变编码智能体表现；紧上下文下，失败转通过率从28%升至49%，完整解法从43增至72。
GameWAM：视频游戏的世界动作模型
首个原生闭环游戏世界动作模型，并行生成视觉与操控轨迹，实现高效游戏与GUI控制。
G2D：零样本图像分类的生成式到判别式协作推理
生成模型可验证CLIP检索候选，通过三叉树约束与熵自适应，提升零样本分类精度，平均准确率达68.85%。
双种子比较互惠去偏：大型语言模型概率采样的新方法
提出双种子比较（DSC）协议，用两个独立LLM种子消除偏差，通过比较序数值构造比特序列并映射到目标分布，在96%场景优于现有方法。
当隐私损害可合并性：差分隐私下的几何感知模型合并
提出DP-Merging，通过缓解局部尖锐和参考漂移，改善差分隐私任务模型的可合并性，在保证隐私的同时提升合并性能。
迷失在压缩中：抽取式提示压缩器的受控跨语言审计
压缩器对非英语语言效果差，流失上下文；多语言训练更好，翻译后压缩更划算。
参数高效稀疏事件Transformer持续学习
提出sLoTh框架，冻结骨干仅更新<1%参数，实现无回放类增量与在线持续学习，能耗比稠密模型低6.5倍。
基于元学习与预训练的稳健神经刺激响应建模
元学习与预训练可显著降低神经刺激响应预测的灾难性失败，并将校准需求减少50%-90%，首次验证其可行性。
自增强扩散引导用于物理信息生成
提出基于扩散引导与自生成数据增强的物理信息方法，通过将偏差条件设为零生成样本，无需每步求解控制方程，显著降低偏差，可与现有方法结合。
FaithSieve：基于忠实形式证据的数学证明细粒度评估
提出FaithSieve，用忠实形式证据细粒度评估数学证明，显著提升首个错误定位准确率。
神经符号文献中6.5%可从其已发布工件复现：六阶段审计框架及首次应用
神经符号AI六阶段审计：1304篇中仅85篇可复现（6.52%），多因缺代码或工件。
神经回归与嵌入：知识图谱数值属性预测
提出LitEm模型预测知识图谱数值属性，联合训练提升链接预测并实现属性感知，多项基准上表现最优。
可扩展强化学习的简单演员与深度评论家
提出轻量演员与深度评论家方法，解决深度评论家训练不稳，性能媲美扩散策略且推理延迟降低4倍。
利用Poly-Encoder实现计算高效的自动化创造力评估
利用多编码器微调，以低计算成本实现与大语言模型相当的创造力评估性能，便于在普及型硬件上规模化应用。
重新思考消息传递：文本属性图学习中的检索范式
提出检索增强视角，视消息传递为检索，用标签感知检索传播替代，提升效率鲁棒性，性能媲美超越GNN。
推理税：大语言模型推理跨任务类型与部署场景的Token经济学
提出词元经济评分，发现推理效率取决于任务结构而非难度，收益递减，应选择性启用推理。
代理网格：非幂等代理委托的可靠性原语——身份充分性与证据充分性
非幂等代理委托因身份与证据不充分引致故障，研究提出七个以委托为单位的可靠性原语。
大语言模型幻觉：基于生命周期的成因、检测、缓解与预防综述
按数据、训练、推理三阶段综述LLM幻觉，涵盖成因、检测、缓解与预防，提供标准化框架以提升可靠性。
土耳其语RAG系统的分块与嵌入策略比较
比较土耳其语RAG分块与嵌入策略，布局感知分块对表格更有效，最优组件非最佳，最佳配置87%。
大型视觉语言模型中的多图像视觉令牌剪枝
提出无训练自适应视觉令牌剪枝(AVTP)，按重要性动态分配剪枝率，多图任务提速2倍，精度几乎无损。
SKILL.state：可扩展的长时程智能体技能
用显式可变执行状态取代对话历史，丢弃中间推理，提升长任务准确率并降低token消耗。