基于高斯过程学习与流图细化的动力系统参数估计
提出两阶段框架：高斯过程学习获取先验，流图细化全局优化，稀疏噪声下参数估计更准确。
面向真实场景可穿戴与智能手机情感识别的自监督图表示学习
提出自监督图掩码增强与子图采样训练用于可穿戴/手机情感识别，少量标签即提升唤醒/效价准确率。
当 AI 用于偏微分方程时，何时能产出科学证据？
现有AI-for-PDE基准只评估预测精度，不评估证据支持；研究表明数值精度与证据支持排序不同，需弥合评估与使用错位。
M³ISR：面向3D/4D高斯泼溅与前馈压缩的多模态多视图基准
提出M³ISR受控基准，支持3D/4D高斯泼溅重建与前馈压缩，含25场景及多模态密集标注。
SelFusion：扩散语言模型的自蒸馏
提出自蒸馏框架，双向蒸馏两种掩码模式，无需外部教师，显著提升扩散语言模型生成质量，超越传统蒸馏方法。
检索越强，鲁棒性越差：多跳RAG如何放大上游ASR错误
实体图链接与迭代改写放大ASR错误，F1差距增大36-67%，主因查询实体损坏。
功能兼容性：持久神经学习的决定因素
功能兼容性因果决定持久学习，并可控泛化；应转向甄别可安全固化的新学习成分而非防止遗忘。
HANSARD：面向自主多智能体AI系统的取证就绪、运行时见证与分级归因参考架构
针对多智能体系统问责难，HANSARD参考架构通过就绪配置、多点捕获与因果分析，实现分级归因，使责任可见。
CONTRAMEM：从多模型轨迹对比中学习自进化程序性记忆
提出CONTRAMEM，免训练利用多模型轨迹结果差异自进化程序记忆，任务成功率翻倍以上且可迁移。
Dual-Scale State-Space Modeling with Speaker-Wise Dynamic CRF for Speech Emotion Recognition in Conversation
ClawProBench：面向AI代理的轨迹感知评估，含运行时覆盖与冻结工作场景式保留集
提出轨迹感知基准，覆盖运行时与冻结保留集；最终答案排行掩盖原生缺陷与局部失败。
口语语言模型听语音如同读文本吗？弥合语音与文本的结构鸿沟
现有口语语言模型语音与文本表征弱对齐，指令遵循和泛化差；提出解耦长度错配与语义对齐的框架，取得竞争性表现。
汽车发动机罩内板性能条件生成设计：基于代理性能估计的两阶段检索-生成流程
提出两阶段流程：先选可达拓扑族，再用条件变分自编码器生成点云，代理模型评估性能；但代理误差与区分信号相当，限制单件设计可信度。
TSWAP：多语言检索增强的泰国健康顾问
八语言检索增强泰国健康顾问，基于泰医知识库与安全层，发布基准，发现量化损伤泰语声调。
面向组合视觉数据检索的样本级排序感知插值权重学习
提出SRAIN，动态预测样本级插值权重，结合排序感知训练与记忆库，组合视觉检索最优且时延低。
图上的几何结构：基于和乐的曲率离散化
提出基于和乐的图上曲率离散框架，用三角回路的和乐对数构造曲率观测，并通过对称响应与协变散度聚合，保持正定性和规范等变性。
ExecRubrics：可执行的工具增强型评分细则，用于可验证且高效的长文本评估
将评分细则编码为可执行Python程序，替代黑盒评委，评估速度提升320倍，偏好准确率最高达92%，更可解释、可审计。
未修剪第一人称视频的预算型视觉-语言字幕：预解码声学分流
提出音频优先分流，解码前选窗口，按动作触发，覆盖提升4-10.8个百分点，调用减少9-20%，优于视觉法。
87分钟搞定：面向目标检测的视觉Transformer从Softmax到线性的无标签适配
DiD无标签蒸馏，87分钟将检测器Softmax骨干转线性，性能匹敌监督，延迟降62%，内存降49%
MASH-Bench：诊断大规模枪击风险分类中的跨源故障
四项美国数据库构建统一基准，发现特征缺失致跨源泛化失败，领域自适应仅部分提升召回率。
STAGE：策略作用域上下文与确定性控制下的有状态智能体图执行转换
提出可执行图框架，将模型判断限制于策略作用域节点，以确定性代码控制流程，显著提升任务成功率与重复运行可靠性。
知道并不总是说出：视觉语言模型中空间编码何时到达答案？
VLM空间编码对答案的因果影响仅在中深层出现；文本思维链抑制传递，视觉提示保持，形成条件传递模式。
HeatTok：基于热扩散标记化的遥感图像理解增强
热扩散聚合生成语义独立不规则标记，配高斯多模态旋转位置编码，提升遥感图像理解，超越现有方法。
超越密集Adam状态：面向内存高效优化器的自适应对数空间量化
提出自适应对数空间量化，按块适配非负状态，存储降低74.7%，语言模型上优于基线，支持状态与拓扑感知。
追踪无标注风暴：拉格朗日大气JEPA框架中的跨变量迁移
用连续代理变量预训练JEPA，无需降水标签，迁移至降水预测，优于直接训练，达到集合预报水平。
控制的幻觉：为什么裸分类器反演在概念瓶颈文本生成中悄然失败
概念瓶颈文本生成中，测试多种推理时编码获取法，发现裸分类器反演会悄然失败，且各类反演均不如简单后验先验。
TRACE：面向长时程视频理解的锚定与收敛证据时间检索
提出VES-Bench基准与TRACE方法，无需训练，用锚定收敛证据检索，以更少帧获更高准确率。
HelaBERT：使用双池化分类头提升僧伽罗语语言理解
提出HelaBERT，基于10亿僧伽罗语词预训练；双池化分类头提升情感分析和新闻分类效果。
探索道克同调在句子相似性中的应用
将句对词元嵌入视作点云，道克同调可捕捉相似性，用于预测、可视化；但单值摘要未超越标准池化。
RS^3-Prune：用于视频目标分割的读稀疏、存稀疏令牌剪枝
无需训练的令牌剪枝：稀疏读写令牌，加速视频目标分割38.8%，省13.1%显存，精度不变。
自动驾驶中课程学习的规模化
在自动驾驶模拟器中引入课程学习，基于效用函数选场景，采样效率提升67%，早十亿步达到99%成功率，减耗时77%。
什么会证明你错了：针对可证伪研究构思的语言模型基准测评
构建可证伪研究构思基准，经两百篇论文、一千二百次盲比，四个模型排名成立，差异源于测试与指标质量。
VISTA：视觉自回归生成的测试时组合对齐
提出VISTA，面向视觉自回归生成的首个测试时组合对齐方法，不修改参数，提升属性与空间关系，保持质量。
SANE：用于稳定极端上下文Delta规则模型的状态异常中和
SANE用自适应tanh压缩防止Delta规则模型状态范数爆炸，超长序列仍推理，揭示容量稳定性权衡。
从对称性到不变性：学习有限域中的伽罗瓦等价表示
有限域乘法学习可跨基迁移。利用伽罗瓦作用划分轨道，预测该作用构造规范代表，在未见基上精确匹配实现迁移。
量子启发混合神经网络用于神经解码：可学习量子侧车集成的受控消融研究
量子侧车集成于ResNet-50用于31类神经解码，受控消融显示浅层结构最有效，骨干梯度训练略提准确率并改变表征。
激活引导控制什么？答案编码与输出敏感子空间的归因
引入跨编码引导评估，发现引导效果可能追踪提取索引而非语义标签，且评测方式影响结论。
超越表面线索：厘清多语言大语言模型中的社会文化信号
多语言模型输出中的文化信号常被表面线索误导；去除身份线索和掩码后，语言识别能力下降，偏见因语言和任务而异。
信号还是噪声？Web开发中智能体技能的基准研究
基准研究显示，注入Web开发技能多数情况降低成功率并大幅增加成本，仅少数有效，应视为部署时的路由决策。
LLM选择虚拟人言语与非言语不一致行为
基于Ekman框架构建言行不一致分类，用大语言模型从对话情境中挑选匹配行为，并通过人体实验验证其效果。
面向职业体力暴露评估的视觉-语言模型：从RGB视频估计手工物料搬运中的外部手力
基于视觉-语言模型，从RGB视频及箱重估测双手外部力，水平误差约5N，垂直约11N，多视角提升峰值力估计。
CAI-DLLM：扩散语言模型的收敛感知推理
提出无训练推理法，用首步置信度引导去噪，提前稳定易词元、增加难词元步数，推理提速最高44.8倍，精度小幅波动。
弱监督概念瓶颈学习用于鲁棒的两阶段以对象为中心的视觉推理
提出动态正交概念瓶颈框架，在极弱监督下提取符号谓词，动态分配维度防崩塌，提升概念对齐和推理精度。
SymmAdapt：基于对称流匹配的医学图像分割无源域适配方法
提出对称流匹配无源域适配分割，生成伪标签与合成源像，保持结构一致，在多种医学影像上优于现有方法。
基于多模态第一/第三视角数据采集与结构化任务知识的装配与拆卸作业AI工人指导
提出数据驱动方法，从专家演示中提取结构化任务知识，实现程序文档与情境感知指导，优于静态图像方法。
面向自进化智能体的联盟感知技能可靠性
揭示技能库存在联盟污染和跨域效用反转，提出CASS与u-SMCO干预，提升任务性能与跨域泛化。
超越判定：基于图的人类与LLM推理在科学事实核查中的分析
提出图框架比较人类与LLM推理路径，发现不同模型在判定准确性、人类对齐度和推理有效性上各有优劣。
OmniCAD：面向机器人装配中三维空间推理的大规模基准
提出OmniCAD，含2.5万机械装配，评估组件定位、装配关系与工具增强推理，现有VLM表现差。
A-CPES：网络-物理能源系统中智能体AI的参考框架
提出A-CPES框架：智能体AI为能源控制外环，三环授权、六层核心，并列出八种失效模式与六项治理模块。
排名还重要吗？AI代理替我们购物时的位置偏差
AI代理购物时，排名影响弱且非单调，页面中部最易被忽略，属性比位置更重要。