校准分布奖励学习：对齐人类感知的视频生成
提出偏好感知框架，用精英过滤校准数据，分布奖励建模与Wasserstein对齐，提升视频生成的人类偏好一致性。
无中立评测框架：现代LLM排行榜由配置敏感项制造
评测配置令分数31%-89%波动；脆弱题目承载95.7%差距；评分方式决定排名。
基于AI的服装生产视觉检测
开发AI视觉检测系统，CNN检测缝纫缺陷，深色有效浅色受限，精度依赖训练数据多样性。
Wazobia Eval：尼日利亚皮钦语情感理解、讽刺检测与文化推理基准
新基准瓦佐比亚含五百五十余标注和十六类情感，评测尼日利亚皮钦语情感、讽刺与文化推理。
基于反事实集成解码缓解大型视觉-语言模型偏见
提出反事实集成解码，构建多群体反事实视角并加权融合，显著降低社会偏见（最高降47.97%），保持模型能力。
Telegram上以色列-巴勒斯坦冲突话语的社交媒体分析
分析16个频道8.7万条消息，以巴用相同死亡词汇但情绪相反：亲以中立、亲巴负面，行动方与受影响方。
WorldMind：面向状态感知NPC行为的解耦游戏世界模型
提出解耦式游戏世界模型，以理解、决策、控制、生成四层闭环实现状态感知非玩家角色行为，建十四万数据集，效果更优。
智能体安全：LLM驱动渗透测试工具、故障模式与设计法则的系统化
评估十种LLM安全工具，提出集成摩擦指数与设计法则，证明提示词不约束执行，实现Inspectra平台
KAN-Robust-Bench：评估Kolmogorov-Arnold网络鲁棒性的基准
评估多种KAN网络在强逃避攻击下的认证与经验鲁棒性，确定最优防御策略和架构。
面向安全关键多无人机系统的智能体AI：挑战与机遇
多无人机用于安全关键任务，但智能体融入需重视人机协同与社会技术设计，通过迭代原型探索可迁移方案。
ViTexSZ：用于脑电癫痫检测的异构视觉-文本知识蒸馏
提出ViTexSZ框架，将脑电转波形图，对齐多通道特征并融合临床语义，经视觉-文本蒸馏实现轻量检测，在四个数据集上准确率最高，相对提升达12.9%。
弃权协议：Clos 架构的根因分析
用弃权代数替代加权融合，应对不确定证据，结合拓扑感知配置，实现云端大规模网络稳定可解释的根因分析。
权重中遗忘，工具可恢复：面向大语言模型智能体的智能体工具遗忘
针对工具智能体可借工具恢复遗忘信息，提出ATU两阶段框架：参数遗忘+轨迹强化学习，平衡遗忘与保留。
面向制造知识图谱的可组合信任基础设施：跨系统溯源、时间推理与决策可追溯性
提出由四个信任能力组合成的基础设施，通过共享关联标识实现跨系统溯源与决策追踪；实验证明四者缺一不可。
模型之模型：何时生成专家优于上下文关注、梯度适应或微调？
四机制跨六任务对比：生成专家在匹配质量下成本最低，但高维序列不敌上下文关注；专家权重可插值组合。
基于TRIAD的多跳RAG评估自动化：从上下文提取到验证数据集生成
提出三步法自动生成领域RAG评估数据集：生成问答、校验、加上下文。结果与现有数据集趋势一致，经人工验证有效。
检索支撑的机器人程序生成与基于模型上下文协议的模拟修正
提出检索增强生成与模型上下文协议的工作流，在机器人仿真中自动生成并修正程序，发现静态检查遗漏的执行错误。
中文标题
大语言模型真能遗忘吗？对抗性评估揭示遗忘漏洞。现有方法标准指标虽好，但对抗攻击下信息仍可恢复，需补充压力测试。
可解释AI在时间序列分类中的软件框架：系统综述
综述时间序列分类的可解释AI框架，发现仅一个支持频域解释，两个专用指标，且跨框架不一致，呼吁统一框架。
《星际争霸II》中用于AlphaStar AI控制的运行时动作干扰
提出运行时动作干扰，不改参数调节动作节奏并过滤毒性行为；实验表明能力披露显著改变公平感、信任和毒性感知。
EXPL-FR：通过视觉-语言对齐解释人脸识别模型
将视觉语言模型与人脸识别空间对齐，属性提示作锚点，无需文本训练；用无标签可检测性选语义签名，实现解释审计。
让信用跟随计算：面向大语言模型强化学习的架构感知信用传输
提出CompPO：用注意力浓度作为信用传输门控，实现架构感知的路径相关GAE，提升LLM RL信用分配，优于GRPO。
BIMScript：面向BIM导入的材质感知结构化场景程序
BIMScript以单一语法回答何物、多快、何处：扩展材质，加速解码，精确定位，直接导入BIM。
基于加权集成学习的网球多模态损伤风险与表现预测
提出加权集成框架，融合可穿戴等多模态数据，预测网球运动员伤病风险与状态，实验效果良好。
面向空气质量预测的QHAdamW增强人工神经网络
提出QHAdamW优化器，提升Adam，马尼拉AQI预测误差更低、收敛更好，可预报PM2.5/PM10。
评估流行好莱坞电影的多模态叙事理解
新基准测试好莱坞电影叙事理解，视觉-语言模型近随机，视听模型最高61.1%，低于人类。
量化地理域偏移以解耦人类移动流生成模型的地理空间可迁移性
提出地理域偏移量化方法，揭示移动流生成模型的可迁移性受区域差异影响，具空间异质性与不对称性。
通过关键词锚定事实替换缓解RAG系统中的数据库泄露
提出一种防御方法，用关键词事实替换检索内容，抵御注入攻击，减少数据库泄露且保持准确。
用于多通道心音同步分类的心音段选择
提出心音段选择算法，多通道同步分类达96.5%准确率，优于单通道和异步方法。
西红柿、土豆与洋葱：对人脸呈现攻击检测中人脸必要性的质疑
用蔬菜训练检测器获92.70%AUC，证明可迁移的人脸呈现攻击检测可不依赖人脸。
AI验证的几何学：独立同分布N中选最优搜索的精确认证极限
人工智能验证几何区分复制与新干预；对独立同分布N选一搜索给出精确认证界限，尺度m²/N，提出双门审计规则。
面向CPU部署的安全分类：一种可复现且许可感知的蒸馏方法
可复现许可感知蒸馏法：9.7万提示训小模型，CPU毫秒级分类，性能近教师且少误报，核心在逐类重平衡。
L\"etzCross：面向卢森堡文档多模态检索的跨语言页面级基准
提出跨语言页面检索基准L\"etzCross，发现图像检索优于OCR文本，多语言微调提升卢森堡语查询效果。
CLSC DETR：基于跨层几何支持的可信候选排序用于无人机小目标检测
针对无人机小目标检测，提出跨层局部支持与一致性校准模块，聚合几何证据提升定位质量估计，并自适应校准分类分数，改善候选排序，显著提升检测精度。
超越视觉相似性：面向知识型视觉问答的实体对齐检索
提出KBMR，首个多模态大模型检索器，实现实体语义对齐，超越CLIP，提升检索与问答精度。
供应链市场波动下的联邦集成预测
提出FEF NCL联邦集成预测法，用负相关学习在供应链市场波动下降低预测误差，合成数据验证优于联邦基线，仍需实际部署检验。
受控退化下的证据状态可靠性：多阶段LLM流水线中的解析器有效性分歧
提出证据状态可靠性框架：受控退化下解析器有效性提升，证据敏感阶段成功率下降，检测与恢复分离
ChemDIRT：稳健化学大语言模型评估的多样化指令、表示与任务基准
提出ChemDIRT基准，通过改变指令和分子表示，评估化学大模型在八类任务上的准确性与一致性，检验其稳健性。
FigmaTrace：捕捉人类Figma设计工作流中的创意细节
FigmaTrace含200小时视频转3469条设计轨迹，训练模型在GUI任务上比肩前沿闭源模型。
面向不平衡时间序列量化的类条件高斯混合建模
用Transformer和类条件高斯混合量化不平衡时间序列，经PShift训练，误差低于现有方法。
FCPRAG：用于稳定多段落LoRA注入的融合控制器参数化检索增强生成
提出FCPRAG，以轻量控制器实现检索条件化的逐样本LoRA融合，提升稳定性与鲁棒性，超越多个基线。
复杂度诱导：通过结构化标签扭曲实现组合泛化
对训练数据做结构化标签扭曲可让标准CNN无需改架构即可组合泛化，预测未见过的颜色-形状组合。
语言模型中的评估意识：表征、言语化与控制
评估意识在语言模型中可线性解码，但与输出言语化仅部分相关；沿探测方向引导可改变言语化得分。
GUI元素定位中的词汇耦合：句子嵌入跨移动端和Web端跟踪标签
基于嵌入的GUI评估易混淆可见标签恢复与语义定位，应报告词汇基线与标签分层诊断。
基于近距离摄影测量生成橡胶混凝土亚毫米级三维点云，用于缺陷提取与变形监测，可替代LiDAR。
基于近距离摄影测量生成橡胶混凝土亚毫米级三维点云，用于缺陷提取与变形监测，可替代LiDAR。
多尺度水果胶囊：膨胀卷积与动态路由实现野外可解释水果识别
采用膨胀卷积和动态路由融合多尺度，以1/3深度在野外数据集上超越十个迁移学习基线，最高提升2.7%。
没有一种模型能拦截所有危害：跨安全场景的内容审核基准测试
评测53模型、11数据集（分四类），发现前沿模型并非样样领先，对话安全普遍未解，规模不等于安全。
面向大规模PCI分配的同余分解方法与神经块求解器
提出同余分解与神经块求解器，将大规模PCI分配化为最小k划分问题，用图神经网络求解，优于现有方法
BanglaVeilGuard：孟加拉语大模型的跨文字安全基准与轻量级防护
提出孟加拉语安全基准与轻量防护，覆盖六种语言形式，将攻击成功率降至6.3%，但存在过度拒答问题。
从关联到因果：利用因果关系和注意力机制提升检索增强生成的检索精度
针对检索增强生成中相似度检索易受关键词干扰的问题，提出基于因果图与注意力机制的免训练重打分方法，显著提升目标文档排名。