ASI-Bench：人工超级智能的黎明
首个评测AI自主科研与创新的基准：随方法指导减少，AI得分由50.9降至26.6，仍高度依赖人类引导。
大语言模型能否进行具有法律意义的推理？——基于欧洲人权法院案例的小规模研究
大模型法律推理结构完整但实质浅薄；AI评委可靠但替代不了人工；专家提示更全面但预测未更准，准确率不能衡量推理。
LiveHouse-TS：时间序列基础模型的开放世界实时基准
首个面向时间序列基础模型的开放世界实时基准，以连续未来数据评估，揭示静态排名在动态环境下剧烈变化。
TileMix：面向LLM推理加速的以块为中心的混合精度注意力
提出TileMix，在融合密集注意力中按硬件对齐分块路由FP16/INT8精度，保质量且加速预填充，无需训练，支持长上下文。
SignalReasoner：评估3B模型在信号数学推理上的上限
探讨3B模型在无线信号数学推理中的强化微调策略，最佳准确率39.12%，较基线提升三倍以上。
多语言大语言模型生成文本中的翻译腔研究
探究多语言大模型生成文本是否带有翻译腔，并分析其与直接翻译产生的翻译腔的差异。
Wuying-Browser-Agent：面向真实世界的长周期浏览器智能体
提出统一框架，通过执行、监督、优化、评估全流程对齐，实现稳定长周期浏览器操作，在多个基准上创开源新纪录。
认知图智能用于下一代网络中自适应鲁棒的DDoS攻击检测
提出GraphGAN，结合滑动窗口K近邻图、对抗生成少数样本与图卷积分类，解决类不平衡和非平稳问题，在四个数据集上优于现有方法，尤其适用于数据稀缺场景。
深度促成局部熵：深度变分范数ReLU回归中的二次深度依赖
深度变分范数ReLU回归中，局部填充证明极小极大风险深度二次依赖：L²w²log(w)R²/n。
面向开放世界人脸反欺骗的基元驱动组合式取证视觉提示
提出组合式取证视觉提示框架，在视觉特征空间组合微取证基元，适应开放世界人脸反欺骗，性能最优。
医学咨询大语言模型的评估为时过晚：预构差距
现有评估晚于问题明确后，忽略模糊主诉。指令可改顺序与记录，未必获取关键事实，应直接评估首诊行为。
群体ICA 2.0：用Copula连接群体ICA弥合个体与群体潜分解差距
新算法CoLiG-ICA统一估计模板关联、群体特有和个体特有脑网络，提升个体成分独立性与临床异质性捕捉能力。
从实体提及到语气：基于LLM的媒体偏见分析流程
提出LLM媒体偏见分析流程：话题聚类、实体情感标注、来源比较，在阿尔巴尼亚新闻验证，适合资源有限场景。
统一图神经网络：通过公共层方程
提出图神经网络公共层方程，以七组件统一200余种架构，分解信息传递与更新，揭示过平滑、异质性与表达能力等理论联系。
LEGO-RL：面向编码代理的原生强化学习框架
LEGO-RL通过进程内LLM代理、沙箱编排与监控插件，弥合原生编码代理与策略梯度优化，提升SWE-bench Verified性能。
答案格式变化对大型语言模型性别偏见的影响
研究不同答案格式对LLM性别偏见测量及人类分布对齐的影响，发现格式显著改变结果，建议多格式评估。
低资源语言中的思考：SFT之所建，RL之所修，准确率之所不见
SFT使低资源语言推理涌现，RL修复格式违抗，准确率基准因噪声失效。
仅用开放权重模型的LLM式PDDL领域修复
开放权重LLM纯提示修复PDDL，F1达.87超符号基线，但测试通过率仅.82，无法保证可靠自动修复。
基于滚动快门视频的扫描线感知可动画高斯化身
该法逐扫描线合成替代模糊平均，从滚动快门视频重建清晰无畸变可动画高斯化身，新视角合成优于基准。
AdROD：基于超网络的自动驾驶对抗鲁棒目标检测
提出基于低秩超网络的对抗鲁棒检测方案，生成多样检测器并融合功能多样性，提升自动驾驶安全性。
如果，那么，否则：视觉-语言导航中的条件分支诊断
提出CondVLN基准，诊断视觉-语言导航中的条件分支，揭示智能体选错分支，神经符号模型使性能提升2倍。
NICE：通过噪声破坏实现图神经网络解释的尺度稳定扰动
提出NICE框架，用噪声破坏替代元素掩码，避免尺度漂移，提升图神经网络解释的可靠性与忠实性。
关键基础设施运维中面向任务的LLM智能体工具包配置
提出映射引导升级法，按任务配置LLM智能体工具包，在关键基础设施运维中提升准确率并降低令牌消耗。
MoE-ViE：高效图像与视频理解的专家混合视觉编码器
MoE视觉编码器，细粒度专家优于密集，无辅助损失平衡，帧级蒸馏增强视频，最大以76%延迟匹敌1.7倍SOTA。
使用多模态语言模型审计TikTok有害内容暴露：跨国、年龄分层研究
用多模态语言模型审计TikTok，关键词搜索使有害内容增1.5-7.5倍，意大利各年龄风险最高。
CoAL-RAG：一种复杂度感知的法律检索增强生成方法
提出复杂度感知法律RAG，基于问题本质与检索一致性自适应路由策略，显著提升中英文基准的生成质量与效率。
从子宫组织病理学空间异质性中学习潜在进展状态
SpaTIE框架从子宫病理空间异质性学习形态表征，推断肿瘤进展状态，并与多组学及预后关联。
写、执行、精炼：从技能跟随者到技能优化者，通过执行反馈强化学习
WER框架用执行反馈训练技能优化器，超越无技能基线7.8分，优于同骨干9.35分。
GeoWeaver：基于分层几何装配的精确长序列三维重建
提出GeoWeaver框架，结合几何先验与测试时自适应，通过分块处理及全局对齐细化，提升长序列三维重建的精度与全局一致性。
连续性驱动的工业缺陷检测表示学习
提出连续性正则化框架，利用正常区域密集监督提升缺陷检测，小数据下最高提升21个百分点。
RagGAD：基于理由感知的条件高斯混合归一化流的无监督图异常检测
提出RagGAD，用条件高斯混合流分离稳定理由，将异常视为低密度区域，性能超越现有方法。
PTXBench：面向GPU内核优化、利用架构特定PTX的LLM基准与适配
提出PTXBench基准，评估LLM生成架构特定PTX优化GPU内核；现有模型表现不均，适配训练部分有效但泛化不足。
中文标题：带同步重置的噪声群体神经元用于高性能脉冲神经网络
中文摘要：提出噪声群体神经元模型，结合群体同步重置与神经随机性及平均场反向传播，解决时空信息丢失和梯度失配，在多个数据集上实现高性能，CIFAR10-DVS准确率87.35%。
ArborMem：以记忆森林导航交互状态
提出一种在线记忆框架用记忆森林导航交互状态保持多任务连续性在多个基准上超越强基线查询延迟低于半秒
去云还是不去云：阴天水体分割中原始SAR与合成NDWI的比较分析与融合
合成NDWI优于原始SAR，融合二者可提升阴天水体分割精度。
从文本到多模态交互的多轮对话AI：数据、模型、评估与开放挑战
多轮对话AI从文本转向多模态，面临记忆、跨轮锚定、全双工、评估与文化对齐等挑战，亟待研究。
MS-MFAD：多模态大语言模型用于人脸防欺骗检测
提出多模态大模型人脸防欺骗，像素-语义锚定实现可解释推理，少量标注降ACER40-50%，跨域性能优。
学习尚未掌握的，而非已经精通的：面向多奖励策略优化的饱和感知优势重加权
饱和感知优势重加权：按饱和程度动态调整各奖励权重，聚焦未优化目标，在数学、推理、代码任务上提升性能且保持已满足。
OceanLight：基于几何自适应非结构化网格表示的高效全球海洋预报
该框架采用几何自适应非结构化网格与图神经网络，实现高效全球海洋预报，精度超模型，显存降62%、算力降70%
基于化学反馈的红外光谱分子结构合理解析
针对红外光谱结构解析中候选结构不合理问题，提出FIRMPO，以分子式匹配和谱图一致性为化学反馈优化偏好，显著提升预测准确率。
行为是推理发展的不完整度量：跨表面前到达可及性与循环深度推理器发展推断的局限
行为阈值无法标识推理能力发展；行为达标前隐藏状态已可读出未来答案，行为、内部可及性与训练发展是三种不同观测。
DeepOHeat-v2：面向3D-IC设计快速可信热优化的自改进算子学习
DeepOHeat-v2用离散物理损失与自改进框架，解决高对比多芯片热优化，峰值误差0.55K，提速56倍。
偏好非干预：读者特定证据效用的结构与稳定性边界
读者偏好排序稳定，但干预效果受任务限制；证据效用存在，偏好不能预测干预转移。
SpeechSense：面向细粒度语音情感分析的副语言聚焦数据集
提出SpeechSense数据集，定义8类韵律驱动的人际立场，实验证实声学模型优于文本基线。
BayesPrompt：生成有意义且人类可读的提示
将提示优化重构为贝叶斯后验推断，提出算法采样既高效又人类可读的提示，在真实数据集上优于现有方法。
REChart：基于大型推理模型的推理高效图表编辑
REChart两阶段训练，过程监督+双奖励，减少过度思考，提升图表编辑，推理令牌减79%。
RetroMPA：分子属性感知的辅助框架，提升逆合成预测
RetroMPA是模型无关的分子属性感知辅助框架，注入化学知识提升逆合成预测，平均准确率提升5.50%且经湿实验验证。
已编码但不可操作：审计冻结大语言模型在几何约束中的解码-生成-操控差距
审计冻结大模型几何约束：可解码信息未必能生成或干预，解码、生成、激活影响与可控性可能背离。
用于可信知识图谱推理的结构内化规则语言模型
提出SIRLM，用结构规则生成耦合结构学习与推理可信性，使LLM锚定知识图谱证据，显著优于现有方法。
大语言模型能否处理信念与事实取决于措辞方式
模型对错误信念的识别因措辞而异，源于事实核查干扰信念追踪。