SCOPE：一种用于LLM提示压缩的生成式方法
提出SCOPE免训练生成式框架，基于分块重写压缩提示，保留关键信息与连贯性，问答摘要任务上优于基线。
幻灯片生成基准：基于计算与定量指标的评估
提出幻灯片生成基准，基于通用、量化、可靠原则，用计算指标评估内容、美学与可编辑性，与人类偏好一致。
先澄清后搜索：面向深度搜索的澄清基准与端到端要点恢复
提出“先澄清后搜索”基准，含518个真实查询实例，评估澄清问题对深度搜索的效用，支持可复现端到端评测。
MedRAGChecker：生物医学检索增强生成的声明级验证框架
提出MedRAGChecker，以声明级验证生物医学RAG输出，结合NLI与知识图谱信号，诊断检索与生成故障，评估安全关键错误率。
联邦与差分隐私的KL散度估计
所提方法在差分隐私下无偏估计联邦数据KL散度，敏感度与方差低，精度接近非私有方法，优于本地扰动基线。
StruProKGR：稀疏知识图谱推理的结构与概率框架
提出StruProKGR：距离引导路径收集与概率聚合，实现稀疏知识图谱高效可解释推理，优于现有方法。
从法规到实施：工业界大语言模型辅助法规合规的批判性评估
研究LLM生成合规文档：指南模糊时需高上下文提示；严格格式结果一致但易幻觉。
基于N维朗之万方程与神经常微分方程的预测
结合N维朗之万方程与神经常微分方程建模预测非平稳电价同时捕捉平稳与非平稳特征西班牙市场验证有效
当生成图像看似正确却检索错误：覆盖引导的跨尺度重索引实现知识忠实的生成式感知
提出CERES闭环多模态索引，覆盖引导跨尺度重索引解决尺度概念丢失，提升知识忠实与检索，多项基准最优
牛顿法的原变量加速
提出仅用原变量、每步一次线性求解的加速牛顿法，对黑塞利普希茨凸函数达 O(1/k^3) 全局收敛率。
结构即信息：用于部分观测动力系统机器学习的结构可辨识性映射
用结构可辨识性分析关联等价参数并训练分类器，提升部分观测动力系统时间序列泛化，尤其数据有限时。
PerturbRx：学习治疗条件下的潜在转移用于患者药物反应预测
数据稀缺与肿瘤异质性限制疗效预测，提出治疗条件潜在转移框架，无需治疗后测量，提升患者药物反应预测。
序列预测中的真实校准度量
二值序列预测中，精确真实性与完备性、可靠性不可兼得；但可构造乘性近似真实校准度量，改进已有界。
Re³Cap：强化学习下的检索引导图像描述优化
提出检索引导强化学习优化图像描述，无需额外标注，修正幻觉遗漏，超越监督微调，关系推理较GRPO提升8.64%。
关于大型语言模型的六个误解：一个最小模型与诊断分类法
提出最小模型，用四组区分诊断LLM六大常见误解，应用于AI政策分析。
自动化构建极濒危鸟类叫声分类流程：以齿嘴鸠为例的少样本研究
面向无公开分类器的极濒危物种，提出自动化少样本叫声分类流程，仅用三段录音即达1.0召回率与0.95准确率。
DFM Mimir v1：仅用合规后训练数据，1B参数开源HRM实现前沿性能
基于HRM架构的1B参数模型，仅用合规数据训练，英语优异、丹麦语达SOTA，媲美更大模型。
BIPPO：面向节能联邦学习服务的预算感知独立PPO
提出BIPPO节能多智能体强化学习方案，用于联邦学习客户端选择，在预算受限下提升精度，且预算消耗少、可扩展。
与什么相比？反事实提示的基线与度量
反事实提示需对照改写基线，否则会高估敏感性。提出统计比较框架后，多数声称的效应不再显著。
基于显著性正则化调优的多模态跟踪器优化
提出显著性正则化调优，平衡可塑性与稳定性，提升多模态跟踪性能
注意风格：沟通风格对人机交互的影响
友好型聊天机器人提升满意度与任务成功率，但不交互时成功率最高；性别无显著调节，语言适应有限。
用于端到端计算材料发现的LLM智能体
MAESTRO智能体利用LLM自动完成MOF筛选全流程，从文献到数据库，发现常规方法难以识别的高性能材料。
无IMU四旋翼机体坐标系状态估计与稀疏场景流
提出仅用视觉与推力命令、不依赖惯性传感器、在机体坐标系中的四旋翼状态估计，输出稀疏场景流。
LLM生成代码中的库幻觉：基于开发者查询的风险分析
研究揭示代码生成中库幻觉受用户提示变化影响，错拼或虚构库名可致高比例幻觉，并提出评测基准。
基于边缘的智能体检索增强生成用于FHWA桥梁检查合规自主化
提出BridgeGuard：离线智能体RAG，融合向量检索与SQL，在边缘设备实现桥梁合规检查，准确率近100%，速度197座/小时。
GS-Net：面向异构车辆数据复用的可泛化即插即用3DGS模块
提出GS-Net即插即用模块，聚合稀疏点云生成密集高斯原语，提升跨传感器视图渲染质量与初始化速度，促进车辆数据复用。
大规模AI评分手写物理评估：分数一致性与奥赛队选拔结果
AI评分520份手写物理答卷，分数相关0.91-0.97，能复现奥赛五人队，但精细给分难，宜作第二阅卷人。
机械滥用下锂离子电池热失控的红外热点引导预警
两阶段红外热点预警融合多传感器特征，提前四秒预警热失控，AUC达0.908
视觉基础模型驱动的前景感知伪激光雷达生成用于单目三维物体检测
提出前景感知伪激光雷达生成框架，用视觉基础模型增强深度与前景，提升单目三维检测，达到新最优。
Perseus：基于状态记忆的稀疏监督交互式时间序列分割
提出Perseus框架用状态记忆异步编码稀疏交互跨间隙持续引导分割多粒度精度最高提升85%
罗生门博士与疯狂宇宙：未观测混杂与罗生门效应下的变量重要性
提出UNIVERSE方法，用Rashomon集合对未观测混杂下VI定界，理论保证，实证有效
Mint-Agent：金融原生的智能体基础模型
Mint-Agent金融原生智能体模型，兼顾可靠操作与长程可审计，在多项金融基准上超越强基线。
AEGIS：防止MCP中跨域资源滥用
提出AEGIS组件，利用大语言模型统一分析MCP工具调用，结合策略引擎与网关，检测并缓解跨域资源滥用。
超越隔离头：视觉Transformer的多重叠头自注意力
提出多重叠头自注意力，软重叠促头间通信，超越标准多头注意力，开销极小。
HIP：无需导数的Hessian原子间势
提出不依赖导数的Hessian原子间势模型直接预测Hessian更快更准可扩展适用多类任务
同行投票式LLM智能体压力测试：信息流引发词汇趋同，但分布式来源无可靠匹配暴露优势
同行投票信息流使大模型智能体词汇趋同，但分布式来源无可靠匹配暴露优势。
面向多智能体系统的流量建模：协调拓扑的作用
多智能体LLM系统内部生成请求，协调拓扑决定调用时序。经验测量显示，扇出协调导致双峰分布，推理阶段符合对数正态，泊松模型被拒绝。
Crane：上下文引导的提示学习与注意力精炼用于零样本异常检测
提出上下文引导的提示学习与注意力精炼框架，提升零样本异常检测与定位精度。
利用细粒度奖励结构与信用分配增强LLM智能体多轮推理
在GRPO/PPO中采用逐轮稠密奖励实现细粒度信用分配，优于稀疏奖励，提升多轮推理训练稳定性与准确性。
海岸线作为结构性约束：利用场景几何实现自主水面艇定位
利用海岸线和水面几何实现GPS拒止下自主定位，LiDAR和单目两种框架，经真实数据验证，有效降低漂移。
WeedNet：基于基础模型的全局到本地AI实时杂草物种识别与分类方法
WeedNet以自监督和微调识别1593种杂草，准确率91%，区域模型达97.38%，支持机器人集成与智能咨询。
当更好的教师未必培养出更好的学生：重新审视VQA中CLIP模型的知识蒸馏
更强教师未必带来更好学生，现有蒸馏框架难扩展，导致VQA等下游任务性能下降，挑战传统假设。
关于阿尔茨海默病检测中的类内变异问题
针对AD检测的类内变异，提出软目标蒸馏与实例级重平衡，估计样本概率以重平衡，提升检测性能并与认知评估吻合。
噪声标签检测方法的基准测试
将噪声标签检测分解为采样策略、不一致度量与聚合方法，提出统一基准与固定工作点指标，发现样本内收集+平均概率聚合+logit边缘最优。
VT-MUSE：面向操控任务的多模态统一序列视触觉表示学习
提出VT-MUSE两阶段视触觉表示学习框架，通过跨模态时序对齐与条件变分潜变量建模，融合视觉与触觉历史，提升操控策略性能。
面向MR引导放疗的弥散加权成像处理与判读一体化平台
集成DWI处理与解读平台，融合深度学习和RAG，专家评分高（4.65/5）。
何时深思：通过测试时训练实现代码生成的适应性计算分配
提出PonderTTT，用TTT重构损失门控触发测试时训练，无需训练，单阈值自适应，代码生成达82-89% Oracle恢复。
LTR-ICD：一种面向排序的自动ICD编码框架
提出LTR-ICD框架，将ICD编码视为分类与排序任务，提升主诊断码排序准确率及F1。
在Meta实现安全部署：面向持续变更安全的健康检查
Meta构建部署健康检查系统，平衡发布速度与可靠性，通过指标查询和自动回滚保障大规模服务安全变更。
神经影像分析中的SPD矩阵学习：视角、方法与挑战
综述神经影像SPD矩阵学习：连接经典几何统计与现代深度学习，保留结构约束，面向脑机接口等应用。