Aura · 时间线

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%。

离线强化学习中边缘化重要性加权的保序贝尔曼校准

提出保序贝尔曼校准：对边缘化重要性加权估计做一维后处理，减少占用平衡违规，具有有限样本保证。

EstLLM：通过持续预训练和后训练增强多语言大模型的爱沙尼亚语能力

持续预训练与后训练可增强多语言大模型的爱沙尼亚语能力，虽略有英语回退，但聊天向量合并可恢复。

基于卷积神经网络集成的中风预测：迈向更高的诊断准确性

集成方法（随机森林、堆叠、装袋）在中风预测中达99.52%准确率，优于其他模型，验证其高效性。

StateTune：将LLM辅助EDA流程调优转变为有状态闭环过程

将大模型辅助EDA调优转为有状态闭环，用持久内存与EHVI策略，在六个基准上取得最优超体积，内存贡献最大。

大语言模型对顺序有多敏感？面向确定性结构重建的OrderProbe

提出顺序探针基准，用中日韩四字词评估结构重建，前沿模型零样本恢复率低于35%，结构鲁棒性非语义能力必然结果。

基于马氏距离的多头注意力用于复杂状态传播

提出MHA-CSP，用马氏距离RBF核实现无穷维注意力和树状注意力，119K参数在长序列状态追踪上超越Transformer/GCN。

开放评分系统：基于成对自适应评分标准的强化学习扩展

OpenRS以显式元评分标准动态生成成对自适应评分标准，逐准则比较并外部聚合，兼顾可验证性，用于强化学习奖励监督。

PatientHub：统一患者模拟框架

统一框架PatientHub标准化LLM患者生成、模拟与评估，提供16个模拟器及多轮会话评测。

MoTE：面向多任务视频理解的任务专家混合

提出MoTE解码器，将LLM前馈层转为任务专家，按样本级任务路由激活，约20亿参数，在COIN基准上超越基线。

LocalSUG：面向本地生活服务的城市偏好增强查询建议大语言模型

提出LocalSUG框架，挖掘城市偏好候选，束搜索GRPO对齐，CTR增0.35%，无结果率降3.98%

神经符号对齐用于生理安全的临床语言模型

提出神经符号对齐，耦合临床LLM与生理知识图谱，安全基准CSS从69.5%提升至90.8%。

基于MoE的特征适配器用于X射线血管造影中无提示的冠状动脉二值分割

提出基于MoE的特征适配器，无提示分割冠状动脉，优于基线并提升跨数据集泛化能力。

ORBITALIF：面向星上云去除的高效脉冲联邦学习框架

提出星上云去除联邦学习框架OrbitALIF，用脉冲神经网络实现高能效，能耗仅为ANN的1.4%。

加速住宅太阳能系统采用：基于动态结构模型的政策分析

构建动态结构模型分析住宅光伏采用，发现限时补贴比长期补贴更能促进采用和减排，阶梯降价优于多次微调。

MedPriv-Bench：医学开放式问答中大语言模型隐私-效用权衡的基准测试

提出首个医学开放式问答隐私与效用联合评估基准，发现九种模型存在普遍隐私-效用权衡。

当“必须”变成“也许”：LLM智能体工作流中的约束弱化

交接转换将“必须”弱化为“可能”，导致LLM智能体安全阻断失效。

发现面向集体创新的自适应传播程序

将传播协议形式化为状态感知程序，用LLM引导进化搜索设计，集体绩效提升达37%，且跨域迁移。

PeakBench：面向LLM智能体的资源感知工具调用基准测试

PeakBench基准测试多工具工作流，拆分逻辑规划与物理调度，发现资源信息可减少溢出、提升利用率。

输电系统故障检测与分类的混合两阶段机器学习流程

提出混合两阶段机器学习流程，分离检测与分类，显著提升输电故障精度，零序特征解决相间与接地模糊。

Parason：揭示大语言模型推理中的子任务并行与试验并行

Parason揭示LLM推理中的子任务与试验并行，用并行感知强化学习训练，推理提速约1.7倍且精度相当。

人因引导的具身主动视觉中视空间复杂性认知模型

提出多模态复杂性框架，分类量化视听等特征，用于驾驶场景及认知人因研究。

大语言模型下的音乐推荐：挑战、机遇与评估

大语言模型颠覆传统音乐推荐评估，需重构评价体系，提出结构化成功与风险维度。