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。
Omanic：迈向大语言模型多跳推理的逐步评估
提出Omanic多跳问答基准，逐步诊断推理断裂，微调可提升6项基准平均7.41分。
从看见到行动：智能眼镜作为第一人称智能平台
首次统一框架综述智能眼镜，定义感知-状态-交互-行动闭环与L0-L5分级，强调系统可靠性、可纠错、可治理。
无领域内训练数据的跨领域多任务数据到文本生成
提出DDKD+结构保持增强，无领域内数据跨域多任务生成，小模型优于微调/零样本，五基准两项超更大模型。
LeFlow：面向世界模型的生成式潜流规划
LeFlow将规划转为条件潜轨迹生成，实现可复用潜规划，成功率提升且规划时间降一个数量级
EviDx：证据感知的主动诊断与支架式大语言模型智能体
提出EviDx证据感知主动诊断框架，通过临床环境构建、支架式智能体与运行时调控，提升诊断性能与过程稳定性。
面向大语言模型智能体的工具创建与使用联合优化
提出SMITH框架，统一训练工具创建与使用；4B模型在程序推理等任务上达到最优，超越未训练的30B工具编写模型。
超越稳定性-探索两难：大语言模型策略优化的环境正则化
提出环境正则化策略优化(ERPO)，将正则化移至输入侧，用Query-KL约束查询分布漂移，保留探索，提升准确率与稳定性。
PhysMLLMs：用于图像和视频统一指称分割与接地推理的空间先验
PhysMLLMs注入物理启发的空间先验，提升视频分割时间一致性，且不损失图像级能力。
可复现的共形预测
共享随机种子和粗网格取整使独立校准得到相同分类器并保持覆盖保证，代价是增大集合与数据量，且能防重校准挑选。
流水线原生Transformer：协同设计模型架构与CPU推理以实现带宽高效的自回归解码
协同设计模型架构与CPU推理，流水线原生Transformer降带宽2倍，解码超llama.cpp。
Olapa-MCoT：提升大语言模型中文数学推理能力
提出Olapa-MCoT，结合SimRRHF与IDRL，使大模型中文数学推理准确率提升至50%，英文能力亦提升。
等待中行动：推理延迟下通用机器人策略的强化学习微调
提出延迟感知框架ARLI，利用中间信息与状态增强恢复马尔可夫性，使标准RL失效场景下仍能有效微调通用策略。
S矩阵指导的神经网络用于振幅分析
提出S矩阵指导神经网络，直接从数据学习振幅并筛选一致实验，用于ππ散射，获得可复用振幅与不确定性量化。
学生能力评估中支持干预的因果建模
提出用结构因果模型进行教育评估，支持干预和反事实推理，超越传统概率模型，并在算法技能评估中验证。
原生空间3D CarveMix多中心T1w卒中分割
采用3D CarveMix增强和MedNeXt-L，多中心T1w卒中分割Dice 0.648，较基线提升0.018。
问题何在？评估视觉语言模型的时间一致性
视觉语言模型能检测帧级异常，但几乎无法检测时间异常；人类显著更优。TimeCatch提供评测基准。
用于主动脉跟踪的循环瓶颈时空蒸馏
提出半监督时空蒸馏框架将2D教师知识蒸馏至时空学生网络提升主动脉跟踪精度减少56%结构异常
枢轴-站点多智能体路径搜索：可解性、复杂性与算法
提出PS-MAPF（先访枢轴再停站）；完全刻画可解性，证明单枢轴下完工/流时最小化NP难；给出最优与PPP算法。
差分学习用于含能材料热稳定性的稳健预测
用差分学习预测分子对间相对热稳定性，抗实验误差，排序准确率超85%，发现键解离焓是关键因素。
EMFE：一种轻量级、可解释的疟疾细胞分类机器学习框架
提出EMFE五特征框架，用经典机器学习对疟疾红细胞分类，患者级交叉验证达94.6%准确率，轻量可解释。
NeuronTune：面向大语言模型安全与效用平衡的细粒度神经元调制
提出细粒度神经元调制法，精准定位并调控稀疏神经元，兼顾安全与效用，优于现有技术。
股票收益预测中良性过拟合的（误）解
股票收益预测中存在良性过拟合，但高参数化模型与最优岭回归均未超越历史均值，表明标准预测因子无真实预测力。
交替任务下可塑性的无量纲控制：从进化生物学到持续学习
交替任务下可塑性由r和ηT两个无量纲参数控制，最优ηT∝r^-1.18。
基于景观与搜索行为分析的粒子群优化可解释信息处理
融合景观与算法分析，提出PSO可解释框架，量化问题难度，预测超参数，新提STN指标增强拓扑选择透明度。
LAION-BVD：面向多模态预训练的千万小时开放视频数据集
LAION-BVD：千万小时视频数据集，含1.3B链接、8000万视频，多模态预训练性能优异。
面向泛化性脑肿瘤分割的多阶段提示引导特征调制
多阶段动态提示nnU-Net经FiLM调制提升脑肿瘤分割，BraTS GOAT上Dice优于基线。
阿拉伯语自然语言处理研究综合分析：趋势、主题演变与研究空白——基于文献计量与主题的研究
2020年后阿语NLP激增，19主题，文本语音翻译识别最大；引用与年龄正相关；沙特美国埃及领先；方言空白。
近似交换性下的提升模型构建
提出ε-交换性处理近似可交换因子，用于提升模型构建与推理，证明误差界，兼顾精度与速度。
大规模测评中基于双维LLM框架的自动题目附带内容相似性分析
提出双维LLM框架分析题目附带内容冗余，语义与结构结合，优于传统指标，在自适应测试中提升稳定性并降低偏差。
正确诊断，装饰性推理：医学思维链的扰动审计
医学CoT扰动审计：72.9%链条与答案解耦，破坏或移除CoT不影响准确率，CoT多为装饰性而非忠实推理。
机器人世界模型真的遵循动作吗？诊断与对齐用于策略学习的动作条件生成
提出WorldEcho诊断与世界模型的动作遵循问题，及WorldSync对齐方法，提升离专家轨迹生成质量，增强策略学习效果。
证据盲区：直接语料交互中的持久导航与AtlasNav
大型语言模型智能体直接交互语料时，有限预算下证据逐级丢失。提出AtlasNav持久多视图导航框架，在BrowseComp-Plus上准确率92.05%，在线推理成本降30.21%。