CFM：语言对齐的视觉概念基础模型
提出语言对齐的概念基础模型，提供细粒度可解释且空间定位的概念，支持分类分割描述任务，性能与不透明模型相当。
组段SHAP：面向多元时间序列的组段参与者Shapley值解释
组段SHAP用组段参与者解释多元时序，考虑变量依赖与时间变化；忠实度提1.7倍，耗时降40%。
PhotoBench：超越视觉匹配，迈向个性化意图驱动的照片检索
提出PhotoBench基准，基于真实个人相册的多源推理，揭示统一嵌入模型与智能体系统的局限，推动个性化检索发展。
基于FBP雅可比学习的双域细化网络用于稀疏视角双能CT材料分解
提出双域细化网络，用FBP雅可比近似与傅里叶卷积残差块，实现稀疏双能CT材料分解。
全球混合Vlasov模拟的确定性与概率神经替代模型
图神经网络替代混合Vlasov模拟，百倍加速预测等离子体状态，集合预报提供不确定性估计。
真实的课堂如何被代币化：原子学习模型(ALM)解析
ALM将两本数学课本机器拆分为1934个原子和4616条前置链接，自动生成6648道题，成本极低，但发现难度标注与实测无关等反直觉现象。
结构清晰但脆弱：论大语言模型在网络安全决策中的局限
LLM在网络安全决策中表现有条件，但能力脆弱，易受复杂度和提示措辞影响，且风险判断非单调。
ClawSentry：守护自主LLM代理的渐进式多层级安全监控器
提出四环节渐进风险模型，构建三级决策引擎与防绕过机制，将攻击成功率从39.55%降至2.61%，且不干扰正常工具调用。
图像分类模型的反事实压力测试
基于因果生成模型的反事实压力测试，通过干预属性生成逼真图像，比传统扰动更准确评估模型在分布偏移下的鲁棒性。
LLM智能体时代的图工程：从个体智能到系统智能
图工程通过构建动态图结构组织任务与智能体实现从个体到系统智能的升级。
校准后委托：通过模型级联实现风险与预算保障的安全监控
提出CTD模型级联方法，用价值探针预测专家调用收益并校准阈值，实现成本或安全性的有限样本保证。
学习编排视觉基础模型实现多任务密集预测
提出COVE：用协同组合器构造候选，任务条件路由器调度冻结基础模型，反事实监督防坍缩，计算更少且超越单专家。
锚定正则化直接最小二乘法（ARDLS）：整合既有优先排序算子用于层次分析法中的优先级提取
针对DLS多解与不稳定问题，提出ARDLS，整合既有优先算子作为锚点，保证唯一全局最优，降低RMSE。
采用结构化编辑提示与密集-稀疏融合的CoVR-R先推理后检索方法
提出CoVR-R零样本推理-检索流程，Qwen3.5生成描述与嵌入，融合密集与稀疏检索，验证集R@1达80.81。
基于偏好的自蒸馏：通过奖励正则化超越KL匹配
提出基于偏好的自蒸馏，用奖励正则化替代匹配，提升稳定性和性能。
AID-Guard：委托代理效果的有状态授权
提出AID-Guard有状态授权协议，提交时重验请求，一次批准最多一效果，防重试恢复致重复副作用。
Tetris：基于瓦片级采样的高效高保真视频目标跟踪
Tetris以瓦片级采样分解视频，用ILP剪枝冗余，在5%精度损失内实现最高68.8倍吞吐提升。
PROBE-Web：探测知识图谱补全模型评估景观的交互式系统
PROBE-Web：从锐度与流行度偏差两视角评估知识图谱补全模型，提供四项功能助力用户探索评估景观。
HIERA：面向GPU内核优化的跨实现空间工作负载感知规划
HIERA提出分层搜索空间规划，跨算子、库及自定义内核选择实现，提升GPU内核优化的有效性与采样效率。
GRALIS：融合联盟与梯度归因，具备闭式守恒误差与有限样本保证
GRALIS融合联盟与梯度归因，具备闭式守恒误差和有限样本保证，基于Riesz表示定理。
基于动作的组织可供性实现预期自动取景，降低腹腔镜手术中医生认知负荷
从手术视频动作提取标签训练模型，预测视线与镜头运动，自动取景降低医生认知负荷。
ConceptFormer：面向视觉文档检索中查询-文档对齐的自适应潜概念学习
提出潜概念学习框架，以条件潜概念桥接视觉证据与语义，显著提升检索准确率。
学习高能物理模拟中多维建模失真的最小偏差修正
提出神经网络方法，在仅有一维目标分布时修正多维模拟失真，保持原模拟相关性，提升与数据一致性。
SRL-MPC：形状感知的强化学习模型预测控制
提出SRL-MPC，用高阶控制障碍函数和强化学习实现异质群体形状感知的安全自适应导航，性能优于基线。
存在选择偏差与混杂时基于回归的因果效应估计
提出双步回归估计器，用代理变量校正选择偏差与混杂，恢复因果效应，方差更小，模拟证实。
DAMOS：通过显式失真定位学习失真感知的语音质量评估
现有语音质量评估缺乏失真位置监督。本文构建带帧级标注的数据集，训练定位模型生成失真线索，提出DAMOS框架，将定位信息融入MOS预测，在多个基准上优于现有方法，验证了显式失真定位的有效性。
DAOP：面向高效MoE推理的数据感知卸载与预测预计算
DAOP优化CPU-GPU并行，动态分配专家并预测预计算，减少传输延迟，性能提升最高8.2倍，保持精度。
$Z^2$-ACT：面向开放6G RAN的端到端可验证智能体意图控制
提出Z^2-ACT架构，集成零知识审计与零信任验证，在开放6G RAN中实现安全可验证的智能体意图控制，提升执行过滤与抗攻击性。
查询高效的结构化矩阵学习
研究用矩阵向量查询学习未知矩阵的结构化近似；对有限矩阵族，查询复杂度可近二次改进至 Õ(√log|F|)，且证明最优。
多计算机实验联合等值线的主动学习
提出联合等值线定位法，平衡探索与利用，同时寻找多个仿真器的目标输入，优于现有方法。
CogCanvas：多主体参考图像生成评估基准
CogCanvas评估多主体参考图像生成五种SOTA随主体数增多性能下降超三主体时物体绑定失败
MatMMExtract：从材料科学文献中提取子图级可溯源图文对的开源流水线
提出开源流水线分解复合图为子图并注释图文构建39万对数据集检测精度92%检索命中率提升4.4倍
是时候假装精通数学，好对这事有多厉害发表看法了。
假装精通数学，以便评价其惊人之处。
@emollick: Annoying side effect of all the AI bots on the site is that they are all “well-read” and therefore reply cogently my niche reference tweets that would normally attract a small but interested group now get LLM replies.
@emollick：阿玛拉定律依然不败。
阿玛拉定律依然未被击败。
@elonmusk: 是的
是的。
让AI更好的AI（推理系统、训练模型等）是未来唯一有意义的基准。
让AI变得更好的AI是唯一合理基准，其余工作皆属下游且可能被颠覆。
在捍卫AI开放性的斗争中，Marin项目堪称模型训练开放性的典范，开放了代码、数据、配方乃至实验结果。公开AI研究本是常态；感谢 @percyliang 的开放实验室做法。
Marin项目开放代码、数据、配方及实验结果，示范模型训练开放性；感谢开放实验室做法，重申公开研究曾是常态。
端到端任务无关外骨骼控制路线图
提出端到端任务无关外骨骼控制路线图，实现通用自适应辅助。
面向全光谱神经表示的多分辨率增强
提出多分辨率增强技术，改善全光谱神经表示的细节表现与重建质量。
利用隐式神经表示实现科学数据压缩
利用隐式神经表示对科学数据进行压缩，在保证高保真度的前提下显著减少存储开销。
AI智能体的寿命该多长？
智能体会话宜每日重置；永久会话有上下文腐化与安全风险，胜者为24小时协调者，委派临时专家并持久化状态至本地文件。
AI智能体应活多久？
每日重置的协调器架构最佳，避免上下文腐化与安全风险，委派临时专家并持久化到本地文件。
软件行业的康威定律：团队沟通结构决定系统架构，反之亦然。
软件行业康威定律：团队沟通结构决定系统架构，架构也影响组织。传统流程催生产品、架构、开发、QA等角色。
@Suhail：这是我的桌面现状。
桌面有7个随机文本，为不同情境的代理存提示，说明技术尚早。
@elonmusk：有趣
有趣
埃隆·马斯克：我多年来一直在警告这件事
多年来我一直在警告此事。
@bilawalsidhu：回顾《侏罗纪公园》首部中用于动画制作霸王龙的“恐龙输入设备”
回顾经典恐龙动画输入设备，如今演变为可用Vision Pro和手势控制的空间3D穿戴装置。
概念完整性与代码行数统计
概念完整性与代码行数衡量，兼及Bun 1.4和Anthropic营收动态。
@elonmusk：正如预言所示
预言应验