EvoSelect：面向目标任务适配的数据高效大语言模型演化
提出生成-选择-训练迭代框架，用最优传输对齐任务相关性并兼顾多样性，高效提升大模型目标任务适配。
超越模仿：依据推理进展过滤同策略蒸馏
提出R2-OPD，通过对比教师奖励与独立推理进度排名，过滤冲突蒸馏信号，缓解奖励误导，提升推理表现。
预算有限的小妖：纠缠相变中的自适应测量布置
预算固定时，测量布局比信息更重要；连续扫描消除纠缠相变，熵呈p^{-1}f(pL)标度；强化学习策略因简并顺序失效。
Qworld：面向大语言模型的特定问题评估标准
Qworld递归扩展树生成问题专属评估标准，覆盖89%专家标准，发现粗粒度标准忽略的能力差异。
数据驱动的时变控制屏障函数：基于在线递减支持向量机的自适应安全集学习
提出退化感知安全滤波，在线递减SVM学习时变安全集，用时变CBF保证受限控制安全，证明不变性与可行性。
集中流动性提供：强化学习视角
将流动性提供建模为随机脉冲控制，用强化学习求解，学习策略依状态分配流动性，压缩亏损左尾，规避极端风险。
DiverValue-Bench：面向多样化人类价值观的大语言模型对齐基准与微调框架
提出DiverValue-Bench多国价值观对齐基准，揭示人群差异，轻量微调提升对齐。
你的转身：居家转身角度估计用于帕金森病严重程度评估
基于深度学习，从居家视频提取3D骨架估转身角度，用于帕金森病严重程度评估，首创单目相机居家量化。
AsymFeX：对称驱动的跨模态、跨阶段缺血性卒中分割框架
提出对称驱动的两阶段缺血性卒中分割框架：跨半球注意力与特征差异捕获病灶，跨模态阶段通用，性能优越。
TS-Reasoner：对齐时间序列基础模型与LLM推理
TS-Reasoner对齐时序基础模型与LLM推理，合成数据两阶段训练，冻结模型，数据高效性能优越。
异方差神经代理建模：实现聚变等离子体诊断中的稳健快速贝叶斯推断
异方差神经代理模型估计光谱与噪声，GNLL优化实现快速稳健贝叶斯推断，加速1500倍、误差降20%。
当上下文推断失败：交互式指令跟随中的可取消性
提出BWIM基准，探究交互式指令跟随中的上下文推断：LLMs虽识别不可靠，行动上仍过度澄清或盲目猜测。
当说“不”成就更好视频：为教育本位AI内容创作设计双重把关
双重把关（教育者重塑加自动检测）协同拒绝劣质AI内容，提升视频教学质量，证明审慎抵制与生成式AI是伙伴。
Doc-V*：多页文档VQA的由粗到精交互式视觉推理
提出OCR-free智能体框架Doc-V*，概览粗筛、检索精读、记忆聚合证据；经模仿学习和组相对策略优化，域外性能较RAG提升47.9%。
超越回忆：行为规范作为AI个性化的解释层
定义表征准确性，用行为规范作解释层，压缩数据为上下文，提升预测并消除模棱两可，低基线提升最大，超越原始语料。
缓解生成式AI证据污染以检测脱离语境 misinformation
提出两种策略，缓解GenAI证据污染对脱离语境检测的影响，提升鲁棒性。
PVRA：用于机器人装配的逐点关键点投票框架
提出3D关键点模块化学习框架，学习装配依赖，从RGB-D输入推理可操作输出，优于物体中心基线。
机器人学习中潜在动作的关键因素
首个潜在动作学习实证：评估41种设计，发现用潜在动作微调视觉语言骨干能强初始化下游学习，真实机器人验证。
MOSAIC：客户端特定缺失模态下联邦图像级弱监督肿瘤分割的模态无关频谱对齐
首个模态无关联邦弱监督肿瘤分割框架，频谱原型对齐与精炼网络逼近全监督，Dice达0.84。
HYDRA：一种面向动态混合LLM工作负载的异构芯粒设计空间探索框架
提出HYDRA框架，协同优化芯粒架构与运行时策略，吞吐提升1.55倍，TTFT降低43.7%，最高2.3倍。
流偏好优化中的流形漂移：奖励黑客的根源
流匹配偏好优化导致终端样本偏离预训练流形，引发奖励黑客。提出ThermoDPO温度控制目标，锚定偏好样本，加权变体显著提升性能。
Deep-MKV-TS：用于金融时间序列生成的路径依赖McKean-Vlasov控制
提出路径依赖MKV控制框架，保留参考漂移并调整波动率，用神经随机最大值原理求解，提升金融场景生成与预测。
基于流匹配的PET图像重建
提出基于流匹配的PET重建方法，结合泊松似然与EM预条件，实现更好偏置-方差权衡。
重掩码而非替换：扩散语言模型中的词元到掩码精炼
提出T2M：训练无关的推理时修正，基于当前词概率重掩码低置信位置，优于替换，提升扩散语言模型一致性。
深度神经网络作为格点规范场论
改进神经网络与量子场论对偶，引入置换对称得格点规范理论，权重为规范场，用1/N微扰计算传播子和散射振幅。
预测信道观测的量子高斯过程
将QGP推广至信道回归，证明收敛并给出核；用可学习尺度参数克服指数抑制，64比特仿真噪声硬件验证有效。
Sm掺杂BiFeO3中成分驱动相演化的潜场重建原子分辨STEM研究
提出潜场重建法解析原子分辨STEM，揭示Sm掺杂BiFeO3从铁电相到Pnma相的演化及畴结构重组。
视频证据至推理：通过显式证据锚定的高效视频理解
提出证据链框架，解耦感知与推理，以轻量证据模块和强化学习锚定推理，减少幻觉，多基准达最优。
询问以求确信：面向自信多轮LLM推荐的信息性交互
提出以推荐熵减为奖励，无需真值，微调LLM以生成信息性交互，提升推荐质量与对话效率。
SCAPE：场景条件下的仿真增强策略评估
提出SCAPE框架，校正仿真偏差，预测场景条件性能，在驾驶和四足任务上验证，提升准确性与样本效率。
基于切比雪夫多项式和黎曼度量学习的说话人特征解耦用于深度伪造源验证
提出SDML框架，用切比雪夫多项式稳定解耦优化，黎曼度量距离减少说话人信息，提升深度伪造源验证效果。
用于跨域遥感图像定位的物体感知图匹配网络
提出IRVL328数据集和物体感知图匹配网络，通过双图推理与节点对齐提升跨模态遥感定位性能。
XDen-1K：真实世界物体密度场数据集
首个真实物体密度场数据集，含三维模型与X光扫描，提供密度估计基准，助力机器人操作。
基于离线质量-多样性强化学习的层级技能策略学习
提出QDOS，用优势加权质量-多样性预训练提取高价值技能，复用双数据集，提升离线到在线学习性能。
基于轮廓的步态基础模型
首个可扩展自监督步态预训练框架，跨数据集任务泛化强，零样本识别创新高。
Microlensify：基于Transformer的微引力透镜事件机器学习分类器（在TESS光变曲线上训练）
基于TESS光变曲线，用Transformer模型分类微引力透镜事件，识别假阳性、预测时长，适用于不同巡天。
YolovN-CBi：面向小型无人机实时检测的轻量高效架构
提出YolovN-CBi架构，融合CBAM与BiFPN，提升小目标检测，蒸馏模型更快更准，适用于实时无人机检测。
回归器引导的图像编辑改变社交媒体中的情绪与脱离时机
针对网络过度使用，提出回归器引导图像编辑，扩散法可中性化情绪且不损质量，促使用户更早离开信息流。
学习确定性与随机受迫哈密顿系统
提出几何框架和GFHNN网络学习受迫哈密顿系统，证明普适逼近；实验显示长期稳定性与精度优于非几何网络，且需更少数据。
从反弹到补救：通过表示工程理解与缓解奖励黑客
发现奖励黑客三阶段反弹，用表示工程提取捷径方向检测，提出优势修正惩罚黑客行为。
CacheRoute：面向大规模LLM服务的规划式前缀亲和路由
CacheRoute利用周期路由计划平衡前缀亲和与负载，命中率升至93%，吞吐达基线2.3倍；亲和收益不足时需影子回放验证。
skchange：快速且灵活的变点检测算法
skchange开源Python库，用于时间序列变点检测，含快速近似和高维算法，自动校准罚项，遵循scikit-learn约定、Numba加速。
实验室环境下循环老化数据电池SoH建模的重复测量方法
提出重复测量模型分析实验室电池老化数据，含两类方差，正则化迭代广义最小二乘辨识，SoH预测误差±0.191%。
将世界模型与现实对齐的不可约量子优势
经典世界模型无法完美对齐真实世界，增加记忆仍失效；单qutrit量子模型可精确复现。
Transformer看，Transformer做：复制作为学习类比推理的中间步骤
以元学习组合性训练Transformer学字母串类比，复制任务引导注意力提升泛化，三层模型媲美前沿
PhysSFI-Net：物理信息驱动的骨骼与面部交互几何学习预测正颌手术结果
物理信息深度学习网络PhysSFI-Net，精准预测正颌术后软组织变形，全局误差约1毫米，优于现有方法，外部验证稳健。
ReynoldsFlow：物理启发的时空流表示用于视频理解
基于雷诺输运定理与亥姆霍兹分解，雷诺流将运动分解为无旋无散，轻量可解释，提升视频理解。
解耦高频与低频以实现精细细节的忠实图像生成
提出DeBaT解耦高低频嵌入学习，在保持全局一致时重建精细细节，生成更清晰真实的图像。
MambaX-Net：用于纵向前列腺MRI分割的双输入Mamba增强交叉注意力网络
提出新网络，结合前时点影像与掩码，用状态空间增强交叉注意力和形状提取，半监督自训练，纵向前列腺分割更优。
分段光滑动力系统的学习
提出分段光滑动力系统识别框架：估计切换超平面，用几何约束神经网络分区学习动力学，用于干摩擦振荡器和冰期模型。