比较大型语言模型的不确定性测量与缓解方法：系统综述
系统综述LLM不确定性量化与校准方法，基于三个数据集评估七种方法，揭示关键发现并展望未来方向。
固定计算预算下EEG基础模型的参数高效自监督适配
仅更新9%参数即可对齐目标任务，AUCPR提升20倍，仅用20-50%未标注数据，性能取决于窗口多样性。
基于可解释相互视觉注意的类人社会参与分析
受心理学启发显式建模二元视觉注意结合头部姿态与几何推理给出可解释的个体和群体参与度评估
优势参数扩展训练使大语言模型更优
提出APEX，优势参数扩入劣势空间，总参数不变，52%参数超越全参调优，30%数据达同等性能。
面向双语词典归纳的判别式潜变量模型
提出判别式潜变量模型，结合匹配先验与表示方法，经维特比EM训练，提升双语词典归纳效果。
流式数据的约束超参数优化
针对流式数据超参数优化，提出四种边界约束处理策略，实验证明优于传统边界策略。
选择性再生解码：推理时推理的轨迹级干预
选择性再生解码(SRD)仅修复候选轨迹的劣质后缀、保留有用前缀，无需更大模型，采样效率提升1.28–1.36倍，并以更少令牌匹配Best-of-N精度。
MDTE：时间边事件上的少数类感知扩散用于类别不平衡节点分类
提出MDTE：条件扩散去噪重建时间边事件，选择性传播与多视角判别融合，显著提升少数类节点分类。
训练网络中对称性的参数级归因：基于逐参数函数敏感性
用参数敏感性判定函数对称可否提升到参数空间：需轨道切空间在其像内；最小二乘得两方向，但仅局部有效。
增强贝叶斯优化与主动学习的核多样性方法
提出KENDO框架，用核集成替代超参数采样，结合分歧感知采集策略，在优化和主动学习中性能更优，速度提升最高27倍。
交接税：延续LLM智能体中的非原生轨迹
研究智能体模型交接税：弱升强全轨迹仅收复不到半数质量差距且成本高；降级更优；最佳交接随方向反转。
KLTNet：学习稀疏特征跟踪，实现鲁棒准确的单目视觉惯性里程计
提出轻量级学习型稀疏特征跟踪器，用稠密光流与三帧块细化减少漂移，预测置信权重，提升视觉惯性里程计精度
迈向可靠的人工智能组织学染色：非配对生成模型中缩放与不确定性的系统研究
系统评估六种无监督模型在肝纤维化染色转换中的缩放与不确定性；感知、任务与一致性相互独立，需联合评估。
扩散模型中的在线策略自蒸馏
将图像级奖励引导转为显式去噪目标，在线策略自蒸馏提升扩散模型对齐效率与可分析性。
在线学习与博弈中的最优交替遗憾
解决OLO/OCO交替遗憾最优界：单纯形上O(log d)常数，一般凸集O(d log(1+T/d))，并证匹配下界。
$(\text{DNN})^2$：深度神经网络的双重非负松弛
提出特征值最大化方案，为双重非负松弛网络验证提供全局最优证书，边界更紧，常达精确解。
超越均匀局部等距与拓扑：用于解耦表示的FactoMap
现有解耦方法忽略因子空间卷曲、坍缩、位置依赖几何；提出因子空间拓扑图在格上拓扑学习，保持连续并解耦。
LION：一种用于多模态属性图学习的克利福德神经范式
提出基于克利福德代数的LION范式，通过几何高阶传播对齐模态，并用自适应全息聚合完成融合，超越SOTA。
水下亚表层海藻森林分割的深度学习架构比较评估：Kelp-o-Tron
Kelp-O-Tron（DeepLabV3）分割性能最优，Dice=0.712，IoU=0.627。
融合时空模型与大语言模型的模块化多任务推理框架
提出融合时空模型与大语言模型的模块化多任务推理框架，无需微调，分解查询执行，生成数值与解释，抑制幻觉，优于基线。
菜谱也有“人设”？属性化流程图中创作者风格的刻画与生成
本研究从烹饪视频提取流程图谱，发现词汇分类易过拟合，而拓扑结构能捕捉创作者风格；提出两阶段模型生成个性化流程，并与大模型互补。
工具使用智能体何时停止？面向大语言模型的证据携带终止机制
证据携带终止机制用证书绑定证据与重放验证，在受控故障下实现零不安全终止，较基线大幅降低过早终止，且不损害有效完成率。
强化学习引导的偏好可调异构敏捷对地观测卫星调度进化策略优化
提出强化学习辅助算子选择的进化算法RLOSMEA，求解异构敏捷对地观测卫星调度，提升加权效用与收敛稳定性。
利用局部增强偏好与表示解耦改进跨问题车辆路径规划
提出局部增强偏好优化与渐进分层解耦编码，改进多任务车辆路径求解，平均差距降低21.3%，提升跨问题泛化。
从状态到行动：面向可靠多轮工具使用的 OODA-Tool
提出OODA-Tool，通过分离状态追踪与动作生成，经控制器检查中间状态，提升多轮工具使用成功率。
GR-SAP：微调期间保持安全对齐的生成式回放
提出GR-SAP，用LLM生成领域对齐数据并在微调中集成，保持安全对齐，缓解退化且性能不减。
MPIB：大语言模型医疗提示注入攻击与临床安全基准
提出医疗提示注入基准MPIB，评估LLM直接与间接注入下临床风险，发现ASR2与CHER3差异显著。
基于符号分类的LHC限制在线BSM全局拟合
利用符号回归近似LHC限制，将ATLAS电弱ino搜索约束纳入pMSSM全局拟合，实现参数扫描中直接分类允许或排除区域。
有效学习率主导语言模型预训练中的损失动态
有效学习率决定预训练损失动态：匹配则损失轨迹重合，并解释延迟加速，统一学习率调度与范数控制。
控制中几何监督潜在世界模型的有限样本度量非坍缩
为非线性确定性系统建立有限样本学习控制理论，证明近似经验最小化可同时保证度量保真、动力学共轭与可靠规划。
基于自编码器潜在表示的图像差异量化
用自编码器潜在空间余弦相似度量化图像差异，优于像素级指标，与人类感知一致，准确率超98%。
TurboT2VA：基于分数正则化一致性蒸馏的快速大规模文本到视频-音频生成
提出TurboT2VA蒸馏19B模型，四步生成提速20.1倍，高分辨率加速54.67倍，质量同步不降。
InfoDPP-PAC：全切片图像分析的原则性斑块选择
提出原则性补丁选择框架，融合高斯过程与多样性优化，自适应减少83.7%补丁并保留97.9%质量。
MauBERT：用于少样本声学单元发现的通用语音归纳偏置
MauBERT基于HuBERT，利用发音特征做跨语言语音表征，超越SOTA，仅需10小时微调即可适应新语言。
Game2World引擎：解锁野外游戏视频以训练世界模型
提出G2W引擎自动提取并去除游戏UI，构建数据集，训练GameCleaner模型，提升世界模型训练效果。
鲁棒公平性审计的几何理论
提出几何框架分析邻域公平审计对扰动的稳健性，给出邻域不变条件并引入审计波动性度量。
ResiSpec：利用残差分布塑形增强多候选推测采样
ResiSpec重塑提案分布，解决多候选推测采样的残差漂移，保持输出精确，防候选失效，提速高达1.92倍。
BioKERN：面向组织学-转录组学邻域检索的生物核正则化方法
提出新框架，用转录组相似性与空间邻近构建生物学核，作为可学习偏置正则化嵌入，提升生物邻域检索，优于现有方法。
大型语言模型还能自我解释吗？探究量化对自我解释的影响
量化适度降低大语言模型自我解释的质量与忠实度（最多4.4%/3.9%），用户感知连贯性与可信度降8.5%，建议按用例验证。
TorchMorph：CUDA加速的形态学变换
TorchMorph扩展实现CUDA形态学变换，兼容scipy接口，支持多维，性能提升显著。
CASTLE：评估大语言模型学生个性化安全的综合基准
提出学生定制个性化安全概念，构建含15种风险、14种属性的9万场景基准，18个模型均得分低于2.3/5，揭示个性化安全缺陷。
Interpretable Fundus Image Classification via Ring-Based Retinal Vasculature Features
评审者应知变化：以LLM为评审者的评估之构念效度
提出评估者构念效度双维指标S与R；S高而R低，说明高一致性未必敏感，须联合报告并审计验证集。
一种行为引导的电动汽车充电负荷在线概率预测方法
提出行为引导的在线概率预测框架，双时间尺度表征漂移适应，在真实数据上显著降低误差并提升概率可靠性。
IDeaL：基于改进死叶的无数据多教师蒸馏
提出IDeaL方法，通过去相关损失生成教师特化样本，实现无数据多教师蒸馏，性能接近甚至超越用真实图像蒸馏的学生模型。
敏捷卫星海上移动目标观测调度的隐式Q学习引导蚁群优化
提出IQACO，隐式Q学习自适应调节蚁群参数，14场景收益均最高，较传统蚁群提升3.4%-9.4%
基于线性规划的因果序部分识别
利用查询本身蕴含的偏序，将反事实识别化为线性规划，得到紧界，无需完整因果图。
HMGCLIP：面向电商表征学习的异构多粒度对比学习
提出HMGCLIP统一多模态嵌入框架，利用异构超图挖掘结构化难负样本，实现双粒度推理，显著优于现有电商基线。
用于卫星云掩膜降尺度的深度学习超分辨率
提出两种深度学习方法，实现卫星云掩膜四倍超分降尺度，并构建跨传感器数据集。
侧扫声呐图像中海草栖息地制图的弱监督海底分割
仅用图像级标签实现侧扫声呐海草栖息地像素级分割，mIoU达87.6%，自监督预训练再提3%。