掩码不是模型：审计注意力、状态空间与混合序列模型中的前缀不变性
提出两前向审计，无需训练即可逐层定位前缀不变性破坏；掩码检查不可靠，实测发现Zamba2等缺陷。
Super Star：面向数字人的流式实时交互智能体
提出流式实时交互框架，用因果多模态自回归模型生成同步手势，融合数据合成与用户反馈，低延迟高同步。
GaussVLA：面向视觉-语言-动作模型的几何感知空间推理
提出GaussVLA，用3D高斯令牌和深度感知推理，在LIBERO达93.5%成功率，仅200M参数。
超越视频的思考：统一视频推理与深度研究，赋能开放世界视频智能体
提出VideoRover，迭代协调裁剪、搜索与网页浏览，实现开放世界视频深度研究。
VINCENT：跨药物疗效解释的验证交互网络
提出VINCENT框架，通过扰动验证药物分子对协同作用的解释，提升化学合理性与稳定性，优于现有方法。
论现代汉语量词系统的特异性
通过互信息度量量词特异性，发现形状名词最能降低量词选择不确定性，整体并非完全特异。
学习低正则性空间变化正则化参数以用于图像重建
综述变分图像重建中空间自适应正则化权重的正则性，指出学习到的权重低正则性，能提升边缘细节保持并适应噪声。
联邦学习中正则化在平均化后留存多少？更新掩蔽的作用
联邦平均会削弱掩蔽正则化，强度与客户端规模成反比；统一掩蔽可恢复，但受梯度多样性限制，实际效果有限且训练效果差。
中文标题：KESA：一种基于知识增强的情感分析方法
中文摘要：通过两个情感感知辅助任务轻量注入情感知识，提升句子级情感分析性能，优于预训练模型且可叠加现有方法。
大型语言模型中用于早期退出的SimLens：用额外一个Token引出精确的潜在预测
SimLens以额外token轻量续写提升LLM中间层预测，结合线性近似实现早退，提精度并提速1.15-1.40倍。
DELE-w0.5：从未来潜在状态推断机器人操作动作
DELE-w0.5从未来潜在状态推断机器人动作，不靠视频生成，训练省、延迟低，长程操作任务成功率大幅领先。
改进跨站点全心分割
提出基于模态路由的3D全心分割流程，结合外观增强，在CT和MRI上提升Dice并降低HD95。
利用预报时效与分辨率查询学习连续区域温度场
提出CSTF，以提前时间和分辨率为查询，灵活预测任意提前时间/分辨率温度场，偏差降低17%。
基于预训练视觉Transformer的面向令牌语义通信
面向令牌语义通信框架，联合预训练ViT与图像压缩，按令牌相关性传输潜变量，达更优率-精度权衡。
多模态ILD诊断的分层MoE模型
提出分层多模态专家混合模型，融合影像与EHR，两阶段门控，AUC达0.8750，优于其他方法。
PlanSightRAG：视觉优先多模态RAG，实现土木标准图纸问答与合规检查自动化
提出视觉优先多模态RAG框架，直接索引图纸图像，零样本检索召回率达91.47%，并能自主提取规范数值完成合规检查。
基于多尺度时间建模与稀疏混合专家的漂移感知多模态用户表示学习
提出漂移感知多模态框架，结合多尺度时间建模与稀疏混合专家，解耦多兴趣，三阶段训练，在社交数据上优于现有方法。
基于内容的图像检索进展：相关反馈技术综合综述
综述基于内容的图像检索与相关反馈技术，探讨语义鸿沟、反馈学习及深度学习提升检索性能。
边缘稳定性如何阻碍联邦优化中的SCAFFOLD
联邦优化中边缘稳定性使SCAFFOLD对全局梯度估计严重退化，致其实际性能逊于FedAvg。
深度神经网络中遗漏变量偏误的控制
提出基于广义加性模型的控制变量法，用交叉拟合岭正则化正交化并边缘化协变量效应，纠正深度学习遗漏变量偏差，获得无偏可解释预测。
ICON分解：面向模型审计的深度表示多元概念级解释
ICON分解量化每个概念在控制其他概念和结果后对层方差的解释度，比七种基线更准确地识别捷径特征，并在皮肤病变和脑影像模型中验证了其实用性。
面向大核CNN移动高效逐点卷积的组共享低秩近似
提出组共享低秩近似，压缩大核卷积神经网络中的逐点卷积参数与存储，大幅降低内存占用，实现边缘设备高效部署。
Mind2Report：基于认知深度研究代理的专家级商业报告合成
提出Mind2Report认知深度研究代理，模拟分析师意图探查与递归检索，迭代合成报告，性能超越现有模型。
LLMTrace：AI生成文本分类与细粒度定位的语料库
构建大型英俄双语人工智能语料库，提供字符级标注，支持全文分类与生成片段定位，助力检测研究。
面向可靠无人机感知的模型无关开放集空对空视觉目标检测
提出模型无关开放集检测，熵建模与谱归一化抗损坏拒未知，AUROC提升10%，背景拒绝增强鲁棒。
当剪枝遇上可解释性：保持大语言模型中稀疏自编码器的鲁棒性
剪枝扰动破坏稀疏自编码器，中部层最敏感；激活感知剪枝更稳健，分层分配稀疏可降低困惑度。
视觉语言模型在形状的情感品质上是否一致？面向生成式设计界面的跨模型审计
视觉语言模型对形状情感品质的判断部分一致：优于随机但低于几何基准，且因类别而异；据此开发UI原型。
ReFIne：一个兼具可靠性、忠实性和可解释性的可信大型推理模型框架
提出ReFIne框架，结合SFT与GRPO训练，提升推理模型可解释性、忠实性与可靠性，实验验证增益显著。
DualOPSD：面向同策略自蒸馏的自适应特权教师
提出双策略交替更新框架，教师适应学生分布，提升推理准确率并减少截断。
SEG-SAM：语义引导的SAM用于统一医学图像分割
提出SEG-SAM，融合语义知识与大语言模型，实现统一医学图像分割，性能优于现有方法。
可扩展补丁推理监督，助力软件智能体扩展。
R4P用推理奖励监督智能体，免测试，SWE-bench验证72.2%，Mini-SE达26.2%Pass@1，稳定扩展。
MObyGaze：专家密集标注的多模态客体化电影数据集
提出电影中多模态客体化分析任务，构建专家密集标注的MObyGaze数据集（20部电影、6072个片段），并基准测试模型。
频谱分配：Muon优于Adam的原因及改进
用频谱分配解释Muon优势，提出SAMuon以谱先验放大主体步长，优于Adam和Muon。
Zero-WAM：基于人类视频的上下文世界-动作建模，实现开放式任务泛化
Zero-WAM用人类视频作上下文指导，零样本泛化至未见操作任务，仿真成功率47.0%。
迈向时间序列解释的统一信息瓶颈框架
提出统一信息瓶颈框架，融合归因与反事实解释，生成忠实归因和稳定反事实，优于现有方法。
3DGAA：面向自动驾驶的逼真且鲁棒的基于3D高斯的对抗攻击
提出3DGAA，利用3D高斯泼溅优化车辆贴膜，保持几何不变，实现跨视角物理对抗攻击，显著降低检测性能。
阶梯上升，内存下降：基于侧网络的低成本微调
侧网微调LST内存减半，精度媲美QLoRA，单卡12GB可微调7B模型。
iFlip：迭代反馈驱动的反事实示例精炼
iFlip迭代精炼法融合三类反馈，反事实有效性提升57.8%，并增强数据增强。
量子启发的驾驶行为建模
量子启发驾驶行为建模：密度矩阵统一表征不确定性时序情境，无监督识别自由流过渡拥堵三态，复现宏观现象支持预测
Gavel：当智能体遇上检查清单——评估长上下文法律摘要中的LLM
评估12个前沿LLM进行长法律摘要，发现其易遗漏关键信息而非幻觉，Gavel-Agent省时省力且通用。
层序反转：重新审视大语言模型中的潜在多跳推理
挑战跳对齐假设，发现层序反转：后跳答案可早于桥实体解码。提出概率召回-提取框架，解释多跳推理机制与失败原因。
利用SCROLL预测多个可观测变量：随机动力学的评分训练不确定性
提出SCROLL：组合多可观测量的似然，借随机动力学可算真值，异方差系统上NLL最优且校准，成本低。
鲁棒曲线MoE：通过模式连接实现混合专家模型的多范数对抗防御
提出鲁棒曲线MoE，以低损耗路径连接范数专用模型，选择性专家化与部分更新，提升联合精度。
通用分子基础模型跨多种嗅觉任务迁移
单一嗅觉任务微调的分子基础模型，可迁移多种嗅觉任务，媲美或超越专用模型，3D表示区分对映体。
E2Rank：统一文本嵌入与列表式重排序，实现有效且高效的搜索
E2Rank统一嵌入与列表重排，以列表提示为伪相关反馈，余弦重排免自回归解码，高效高质。
循环与Transformer相遇：通用多模态检索
ReT-2循环Transformer融合图文，统一多模态检索，M2KR/M-BEIR最优，快且省内存
从国家课程到文化意识：构建开放式特定文化问答数据集
基于国家课程，以多智能体框架自动构建开放式特定文化问答数据集，含三万四千对韩国问答，促进文化对齐。
SIMGUIDE：程序化锚定的多情境表示用于个性化智能体规划
程序化锚定的多情境用户表示显著提升个性化规划，优于RAG，表明表示格式优先于内容。
可靠的大规模供应链LLM决策引擎：架构、安全与性能保障
提出将大语言模型与数学优化、概率预测及安全约束结合的混合决策引擎，实现需求预测、库存优化和运输调度，提升供应链决策的智能性、安全性与可扩展性。
量子学习中有限次测量泛化保证下的测量预算分配
提出预算分配平衡样本数与测量次数；证明保守泛化界，最坏速率B^{-1/4}，仿真验证。