TabuLM：面向低资源语言的形态感知表格预训练
提出首个基尼亚卢旺达语表格预训练模型TabuLM，以62%精确匹配在表格问答上超越基线。
BrailleBench：探究大语言模型中的多准则盲文理解
提出BrailleBench基准，评估大模型盲文理解，发现英文能力与盲文可及性差距显著，二级盲文输入尤其脆弱。
生成式代理的提示敏感性：来自流行病模型的证据
研究发现，生成代理对提示的微小变化和上下文敏感，但对同义提示和不同角色名不敏感。
ITL：基于结构化参考框架的可解释文档对齐
ITL从结构化参考框架构建术语画像，量化文档与概念对齐，结果可追溯；经SDGs验证区分度高。
何为优质智能体数据？——LLM智能体数据生成的ACE视角
以准确性、复杂度、多样性ACE视角约束智能体数据生成，重在生成与环境一致、有效且不冗余的经验。
基于高分辨率航空影像的圣诞树种植园检测——以法国莫尔旺地区为例
针对圣诞树种植园遥感检测难题，提出深度学习与硬负挖掘方法，IoU 0.733，F1 0.846，验证时间迁移性。
PAWBench：我们距离概率对齐的世界建模还有多远？
提出概率对齐标准与PAWBench基准，测试11个视频生成系统，均未匹配真实行为分布。
TRACE：稀疏结构化感知下物理场的回溯式流式生成
提出框架，针对稀疏结构化感知的物理场流式重建，利用学习型潜空间贝叶斯推断与卡尔曼滤波，实现高质量时空场生成。
KnockGS：基于交互响应的物理高斯表示校准
提出KnockGS框架，从外力响应中估计3D高斯物体弹性与密度，校准物理模拟，提升参数恢复与响应保真度。
大语言模型可设计近乎最优的运筹学算法
对于明确的运筹学问题，大语言模型仅凭一次提示即可设计出媲美或超越现有方法的算法。
R2M-Bench：在交互式视频世界模型中通过相对一致性评估重访记忆
R2M-Bench通过同轨迹相对校准区分重访记忆与时间稳定性，NMR与人类判断相关0.547。
TADP：面向单阶段三维目标检测的任务感知变形预测
提出任务感知变形预测，用三重特征精炼与多尺度聚合，任务自适应变形头，KITTI汽车mAP达80.91%超SOTA。
约束感知的物理信息神经网络用于协同操作连续体机器人静态形状估计
提出约束感知物理信息神经网络估计协同操作连续体机器人静态形状，误差降低67%以上且高效。
连续容量增长：JEPA世界模型中视觉Transformer编码器的任务复杂度驱动宽度与深度扩展
提出连续容量增长法，让JEPA编码器从最小规模按任务复杂度增宽加深，省参且提升预测性能。
CMS开放数据上类触发事件选择的经典与混合量子机器学习：八量子比特、PCA约束基准
CMS开放数据，比较经典与混合量子模型；八量子比特下最优经典ANN胜于最优量子QCNN，属受控基准。
基于分布式生成式AI的多数据集逆问题求解
提出分布式生成式AI框架，协同分析异构数据集，独立前向算子，共享生成器，鲁棒于不同保真度，适用多探测器实验。
因果图引导的时间卷积架构用于可解释零售电价预测
提出因果图引导的时间卷积网络，嵌入因果结构提升零售电价预测精度与可解释性，多步预测MAPE为3.08%-5.43%。
JudgeStealer：跨评估协议提取LLM评判能力
提出首个查询高效大模型裁判提取框架，跨点式/成对/列表协议，利用跨协议一致性转化监督，动态选样，超越基线且抗防御。
社会科学研究设计追踪与评估
提出自动研究设计追踪与评估任务，用RAG管道检测论文设计并评估质量，发现段落长度是性能主因，人机难点不一致。
基于图结构电子占据的离散流匹配实现机理反应预测
MAELLE将反应建模为电子占据向量的离散流匹配，在USPTO-480K上表现优异，且能恢复机理轨迹并预测副产物。
DRL：模式图扩展下事务安全企业级NL2SQL的确定性关系中间件层
DRL中间件通过动态剪枝与事务验证，实现92%上下文缩减，有效识别NL2SQL静默错误。
利用大型重建模型重建交互中的人与物体
提出MILO框架，利用大型重建模型从单图重建3D人-物交互，凭借几何结构先验简化流程，精度优于现有方法。
Daydreaming：通过黑盒任务交互窃取隐藏的智能体技能
提出Daydreaming攻击，仅通过黑盒任务交互即可重构多文件智能体技能，恢复86.8%能力，绕过泄露防御。
StreamAV-Bench：流式音视频生成的综合基准
首个流式音视频生成基准，含渐进与交互双轨，评测13系统，发现时序漂移与交互瓶颈。
DocTalkBN：孟加拉语专家远程医疗对话新数据集
构建孟加拉语远程医疗多模态数据集，含557小时对话，支持分诊、安全评估及命名实体识别等任务，助力低资源医疗NLP。
循环变压器中的动态相选择控制测试时计算缩放
循环变压器推理成本由动态相决定，不同初始化产生鞍结或Neimark-Sacker分岔，前者预测弛豫时间并导致工作量尾部幂律，后者消除该标度律。
CorporateBench：基于时间知识库的大规模问答基准测试
提出企业级大规模问答基准，含23万文档，验证LLM在信息抽取与知识库查询上随规模增大性能下降。
生成式人工智能使用中的成熟度：来自一家大型企业的实地证据
大型企业后台员工使用生成式人工智能的成熟度因资历和职能而异，且随时间与培训无明显提升。
当文本误导：面向音频对话的不一致感知推理
针对文本误导，构建矛盾感知基准与音频孪生框架，揭示语音对话推理在冲突场景准确率骤降，显式聚合音频证据可提升。
无需联合训练的跨语言对齐：单语语言模型会收敛于通用表示吗？
研究表明单语模型无需联合训练也能形成跨语言对齐表示，且可通过旋转映射迁移功能。
用于逐坐标保证的最小二乘的Hadamard展平与高斯池化草图
提出结合哈达玛展平、随机置换与高斯池化的新草图，以O(ε^{-2}d log d)行实现最小二乘逐坐标ℓ∞保证。
级联批量提示
级联批量提示：解耦复杂推理与符号接地，解决性能不稳定。问答和自然语言推理优于基线，加速随批量增加，达帕累托前沿最优。
WikiSkill：将智能体经验编译为持久知识以促进技能进化
提出WikiSkill框架，将智能体经验沉淀为持久知识库并协同进化技能，显著提升技能进化效果与跨模型迁移能力。
相关设计下模型选择的统一描述复杂度框架
提出描述复杂度信息准则，在相关设计下实现模型选择一致性与非渐近风险界，并统一异质模型类的复杂度尺度。
从SQL到知识图谱：基于LLM的多智能体方法及数据模式改进
提出LLM驱动多智能体方法，自动将关系数据库转为图数据库，问答准确率提升12%，延迟降低约3倍。
利用无人机非精确异步离散GPS轨迹的相机标定
针对GPS轨迹不精确、异步离散，用迭代最小二乘估计相机姿态，推荐轨迹使标定精度达测量误差14%。
物理信息随机配置机：一种面向非线性微分方程、无需反向传播的快速训练神经网络
提出物理信息随机配置机(PI-SCM)，免反向传播，解析线性化物理损失，最小二乘求解，精度高训练快，较PINN提速数个数量级。
评估意识并非全然相同：能力框架预测遵从性
评估意识分能力/安全框架；能力框架更预测遵从（+24~46pp），干预证明因果，故非统一行为。
以用户为中心的思维链推理提升大语言模型可解释性
提出以用户为中心的思维链推理，用可验证步骤组织推理，性能不变，显著提升可解释性与用户体验。
Dose-PlanNet：基于物理的深度学习放疗剂量预测
物理引导的3D深度学习预测前列腺放疗剂量，靶区覆盖相当，危机器官保护改善，多数计划达标，加速工作流。
hoBIT：面向大学学业咨询的画像感知检索增强聊天机器人
提出一种方法，将规则聊天机器人转为画像感知检索增强系统，按需获取画像属性，优于多种基线和开源模型，获用户偏好。
说与读的错位：多模态模型中的跨模态不稳定性
新基准揭示多模态模型跨模态与跨语言不稳定性，语音加剧碎片化推理，且总体准确率无法完全反映。
学习一种无需逐小时监督的连续脓毒症严重程度评分：一项两中心回顾性研究
开发了基于43个变量、以死亡率为排序信号的连续脓毒症评分，非幸存者评分更高，与乳酸变化相关，跨机构一致性好。
跨模拟器迁移与基础模型摘要：迈向稳健的SKA时代再电离推断
自监督ViT预训练于快速模拟器，冻结后迁移至辐射传输模拟，仅需2.6倍少数据，在噪声下仍校准，实现SKA时代稳健再电离参数推断。
超越试验场：基于LiDAR的辅助车道变更系统独立公共道路测试
基于LiDAR在法国A31高速独立测试辅助车道变更系统，对比UNECE R79，发现部分操作不满足安全距离要求。
迈向基于大语言模型的通用超构光学求解器
用LLM统一建模8类超表面，跨族预测均方误差降56.5%，实现反设计。
预测的预测（PoP）：层间激活融合用于大语言模型单次前向幻觉检测
提出PoP方法，单次前向融合层间隐藏状态检测事实错误，AUROC达75.5%，延迟增加小于1.2%。
STAR：文档到文档机器翻译的句子翻译对齐率
提出STAR量化句子级结构对齐，结合StarPO优化错位片段，提升文档翻译质量，小模型超越GPT-4o。
关于机器翻译中上下文样本的推理
提出基于片段的推理框架，从相似示例提取平行片段作为推理轨迹，提升大模型机器翻译性能，优于标准k-shot方法。
用几何注释解释潜在蛋白质语言模型特征
用几何注释揭示ESM-2稀疏自编码器特征：局部几何关联强，可分同注释特征，并助力未注释蛋白理解。