从诊断到重构：用定量民族志改进多智能体大模型推理
通过定量民族志分析智能体对话，诊断推理缺陷并改进提示词，使评分准确率从27.78%提升至40.28%。
针对作者身份再识别的聚合感知合成文本生成
聚合感知合成文本生成(AAST)从束级联合选文，降低作者重识别风险，保持语义质量。
UR$^{2}$-MLLM：多模态大语言模型中面向放射学报告生成的不确定性感知复查推理
提出不确定性感知复查推理框架UR²-MLLM，动态复查不确定区域，在放射报告生成任务上达到最优。
核令牌矛盾：一种快速且有原则的LLM声明不确定性量化方法
提出核令牌矛盾法，用核与冯诺依曼熵量化LLM声明不确定性，CPU运行比GPU方法快8.2倍，性能相当。
结构化扰动下语言模型稳定性与失效行为的测量
提出分级扰动测试框架，揭示失败具族特异性，冲突指令与不可能前提为共性弱点，传统准确率掩盖此失效。
基于校准残差解码的无训练视觉语言模型个性化
提出无训练残差解码框架，通过正、反、空三种画像校准个性化信号，用熵校准增强可靠性，提升多模态个性化理解。
DECO：面向低空无人机视觉定位的深度引导共可见性推理
提出深度引导共可见性推理DECO，解决低空无人机图像与参考图因垂直结构缺失导致的误匹配，提升定位精度。
DiaRelay：以恒定大小记忆传递对话上下文用于对话情感识别
提出DiaRelay轻量适配器，用恒定大小记忆中继对话历史，避免重复编码，提升对话情感识别精度，仅增7.1M参数。
谁来当老师？文本属性图上少样本节点分类的置信感知双教师学习
提出置信感知双教师学习框架，动态为各节点选更可靠教师，降低大语言模型成本并提升少样本节点分类性能。
AUDITA：自主多智能体系统中不良后果的认证审计与因果归因
该审计层以防篡改记录和分级因果归因，实现不可操纵的责任判定，归责误差降至约三分之一。
论世界模型策略学习与模仿的世界-动作模型之间的能力区分
世界动作模仿与直接行为克隆等效；真正差异在于动作条件世界模型，观测数据无法识别动作效应，需干预。
TRACE：面向不完美表面扫描的伪影鲁棒统计形状建模——颅缝早闭三维摄影案例研究
提出TRACE框架，用无监督方法从含伪影临床头照构建统计形状模型，抑制非头部伪影，提升建模质量。
面向临床预测的开放权重大语言模型角色特化多智能体混合
角色特化多智能体临床预测：最终整合者贡献最大；大分析师配小整合器可匹配闭源模型并提高高危召回，但再入院增益小。
使用潜增强神经微分方程学习含奇异性的降阶动力学
提出LA-NODEs框架，通过潜增强神经ODE处理降阶系统自交轨迹，提升预测精度与建模保真度。
MCP-Universe RL：通过强化学习训练MCP工具使用智能体的框架
提出开源框架MCP-U RL，用模型上下文协议作环境接口，自动编排环境与调度轨迹，提升多领域工具智能体训练效果。
路由引导的测试时扩展：分歧探索，共识提交
利用MoE路由信号引导软件智能体探索与提交，无需外部评判，将宏平均解决率从44.9%提升至48.2%，并迁移至Qwen3.6。
Hyper^2：通过双空间一致性释放双曲几何的全部潜力
提出双空间一致框架Hyper^2，统一双曲损失与编码，点云补全Chamfer降22.9%，远超单空间。
富集-检索-排序：超越上下文路由的能力发现扩展
将能力发现转为离线富集与在线检索重排，相比上下文路由在大规模下更稳健，准确率更高、成本更低。
混合贝叶斯-联结主义模型实现更准确的行为预测
提出贝叶斯蒸馏+行为微调方法，融合两种范式优势，在人类概念学习中预测更准，兼顾先验与启发式偏差。
When Does Visual Generation Help Visual Understanding in Unified Multimodal Models?
导致Adam停滞的损失景观特征：定义、估计器与预条件Hessian视角
预条件Hessian指标区分轴对齐与交叉耦合病态，解释Adam停滞，FINER案例验证。
OVIBench：打断场景下的在线视频问答基准测试
提出OVIBench基准，评估大模型在视频问答中被用户打断时的处理能力，涵盖取消、误触发、纠正三类打断，验证了模型区分度及微调数据有效性。
VERDICT：在真实文档光学化学结构识别中，一致性胜过像素空间验证
在真实文档上，识别器间一致性远超像素空间验证，可高精度甄别错误，支撑大规模分子数据库标注。
查询驱动的长文档多模态信息提取
提出长文档图文联合抽取新任务及首个手工基准；多智能体协作框架显著提升抽取效果，但仍有差距。
为什么鲁棒性会减少叠加？
对抗训练放弃非鲁棒特征，使需表示的特征减少，从而降低叠加。
SAM3Dual：第八届LSVOS挑战赛MOSEv2赛道第三名方案
提出SAM3Dual，无需训练，冻结SAM3，分离长短时记忆并在推理时重组，获J&F 64.37第三名。
MEMONDEMAND：面向大规模企业数据的记忆管理系统
提出动态多层层级、双记忆与按需提升机制，实现大规模企业数据高效准确检索，在基准上超越现有最强系统。
通过OMOP对齐的检索向大语言模型传授ICU医生的临床推理方法，可提升跨临床领域的推理能力
用临床专家构建的重症推理数据集微调模型在五个临床基准上超越基线证明重症推理可泛化至更广领域需前瞻评估
揭示大语言模型拆分联邦微调中的深度-性能困境
拆分联邦微调中，深度分区提升吞吐与隐私却使微调质量崩溃，现有聚合方法失效，源于Transformer近等距拓扑引发注意力崩溃。
解耦物理建模与执行以提升物理推理
提出显式物理建模框架，两阶段后训练提升物理推理，平均提高约3%。
WnW：面向长语音大语言模型的潮汐式KV缓存
提出WnW潮汐式KV缓存，分锚定/潮汐/固定三类头，仅20%音频token留GPU即近全缓存精度，解决长语音预填充压缩失效。
基于递归子求解器的分块稳定自适应三次正则化
提出分块自适应三次正则化优化器，小块精确、大块Krylov子求解，保持最优收敛率，在9100万参数INR上远超Adam。
Top-K臂识别中去中心化的代价
共享奖励识别最优至对数因子；去中心化代价为样本复杂度乘ρ²，完全非对称时为四倍。
GAN-Diff：将预训练的WGAN-GP特征与条件扩散U-Net相结合
提出GAN引导扩散框架，以WGAN-GP特征为条件，去噪与超分分别提升4.40/3.70dB。
基于临床病例报告构建与评估渐进式多模态诊断对话的源基框架
提出源基框架，病例报告构建渐进式多模态诊断对话评估模型，参考对话质优，前沿模型推理弱，流畅不等于循证。
迭代而不繁复：简单ReAct架构足以胜任文本到SQL生成
简单迭代加DSL，零样本SQL在两项基准达84.5%和73.9%，匹敌复杂系统且快8倍。
XTC：排除首选的头感知采样
提出XTC解码方法，排除高概率首选，显著提升文本多样性与重复率，被多模型采用，不损流畅度。
自校准密集位移场实现大型光学卫星影像可靠配准
无需训练与GPU，用密集位移场配准卫星影像，自校准过滤，零失败，误差大幅降低。
目标迭代滤波
提出一种应用驱动的非线性扩散去噪方案，源自值空间线性扩散，性能优于现有非线性扩散技术。
现代手写热身是否有助于历史阿拉伯语OCR？在Muharaf和KHATT上的可复现、计算匹配评估
四次运行效果从-17.64到+14.52 CER点，符号反转；干净运行无效应，计算匹配实验显示小负面效应，非普遍结果。
Multimodal examination answer data with expert-designed Outcome-Based Education rubrics for criterion-level assessment
该数据集含485份多模态答卷，配专家设计的OBE量规（47条标准），支持标准级自动评估与文档理解。
明确用户专长：迈向按用户熟练度定制回答的主动式对话代理
现有代理难以从查询判断用户专业水平，新方法PASSING通过主动提问澄清专长并定制回答，效果更优。
测试时自适应何时有帮助、有害或失效：CIFAR-10-C上的条件级研究
在CIFAR-10-C上比较三种测试时自适应方法，平均精度提升，但低严重度损坏下失效，EATA近似BN-Adapt。
MedReaMM：评估大型多模态模型在专家级临床诊断综合能力中的表现
现有基准缺乏临床叙事与影像整合，MedReaMM含625例多模态病例，多数模型诊断准确率不足50%，凸显综合诊断能力差距。
多语言医学VQA中跨语言性能下降的分析与缓解
提出MedVL-XLRepE，无训练对齐英语表示，缓解八语医学VQA跨语言退化，最高提升6.33%。
不要重复自己：在采样时阻止逐字循环
DRY方法在采样时仅惩罚延续上下文精确片段的token，使循环率降低47%并提升多样性，已被llama.cpp等主流框架采用。
DAW：面向混沌系统深度学习预测的动力学感知加权
针对混沌系统预测中均匀损失导致瞬态高维状态被低估的问题，提出DAW按局部维度重加权损失，显著降低长期自回归误差。
超越事实知识：大语言模型中步骤级程序性规则推理的基准评测与学习
提出规则世界基准与动态规则框架，以步骤级注意力训练实现规则动态检索与更新，在万条规则下准确率提升19点。
面向瞬态二维孔隙尺度流动预测与生成式设计的查询时框架
提出查询时框架CT-PoreFlow，基于7606结构基准，实现瞬态流动预测与逆向设计筛选，精度高。
结构化锚定思考：面向图表与视觉表格的感知强化学习
提出结构化锚定思考框架，将多步推理与微裁剪内化为单次前向，减少时延并提升图表等精细感知能力。