最大Tsallis熵分布用于相关数据鲁棒高效稀疏学习
针对相关异质数据，提出基于Tsallis熵最大化的qGaussian分布替代高斯模型，并设计稳定高效算法，提升稀疏学习鲁棒性。
高维时空输出的自适应代理建模
降维后建代理模型，结合探索利用的自适应采样，高效处理高维时空输出，用于燃气轮机叶片热力分析。
3D高斯加速光线追踪：基于粒子的反向传播实现快速训练
3DGART以图元为中心反向传播，消除原子竞争，加速3-3.5倍，使光线追踪高斯训练实用化。
Co-RL：多智能体强化学习中多样群体催生无监督推理
Co-RL通过多智能体协同训练，同伴互评实现无监督推理，群体多样性防崩溃，超越无标签方法，媲美有监督。
鲁棒非线性输出调节中的非自适应学习
提出结合输入驱动滤波、内模与反步的非自适应设计，实现高相对阶非线性系统全局渐近鲁棒调节，无需参数化回归器。
在人机协作中支持校准信赖：不同任务需要不同策略
AI辅助策略无通用最优：视觉推理中概率支持最佳，语言推理中LLM解释最佳，应针对任务匹配支持形式。
COMIC：面向多模态大语言模型的参考感知安全门控
提出COMIC参考感知安全门控，针对多模态越狱中操作-目标绑定风险，提升鲁棒性且保持效用。
平滑亲和矩阵如何影响t-SNE中的邻域保持
研究t-SNE亲和矩阵锐化/平滑对邻域保持的影响，提出行向幂变换，发现锐化改善最近邻，平滑改善中局部邻域保持。
硬件在环相位感知CNN用于实时5G信道估计
基于硬件在环与相位感知CNN，实时估计5G上行信道，应对实际损伤，优于LS/LMMSE。
TSQueryBench：大语言模型作为时间序列解释的评判者
提出时间序列解释基准，生成与评估不对称：生成错误仍能正确打分，规则引导的大语言模型评估比生成更可靠。
RADmesh：重网格感知的网格变形
提出重网格增强的网格变形方法，抗视觉噪声，支持大变形与局部细节，提升三角网格质量与效率。
PandasCorpus：真实世界Pandas工作流与使用模式的资源
提出PandasCorpus含13.9万笔记本400万API调用分析真实工作流演化并开源
一种低成本环境监测与嵌入式太阳预测物联网设备，支持设备端增量学习
低成本物联网设备集成传感器，设备端神经网络预测光伏电压，115天部署R²=0.9165，离线训练增量更新有效。
手稿中的隐藏提示词利用AI辅助同行评审
手稿隐藏提示词可操纵AI同行评审，暴露系统漏洞，属可疑研究行为，需技术筛查与统一政策。
MagViT：面向乳腺组织病理学的可解释多倍率Transformer与患者级模型选择
MagViT：可解释多倍率Transformer，尺度门控融合与患者级模型选择，乳腺病理分类精度高、泛化强。
Palmyra x6 技术报告：一种经锚定监督微调后训练的智能体工具使用模型
锚定监督微调训练工具使用智能体，仅626条轨迹，企业任务表现优异，BFCL Core 0.785，六基准均值领先。
空标记知晓：减少ASR与NMT中的无消息幻觉
空标记可作弃权信号；提高其分数能抑制幻觉，但会误删有效内容，评估需兼顾抑制与删除代价。
音符-和弦-声部框架：电动汽车充电数据的结构化源分离与因果推断
提出音符-和弦-声部框架，将清洗、模式发现、源分离与因果推断分层，经检验识别稳定价格敏感声部，支持反事实补贴优化。
aDSL：智能体与程序协同设计的智能体3D创作
提出智能体专用语言aDSL与多智能体系统，协同设计提升3D程序生成的鲁棒性和可控性，优于现有基线。
ORViT-DR：面向低分辨率糖尿病视网膜病变分级的序数鲁棒混合视觉Transformer
低分辨率视网膜分级中，混合CNN-Transformer模型准确率57%，验证其处理有序分级任务有效
大语言模型在规则应用中的概念掌握证据
五实验表明13个LLM规则应用超越记忆，对新刺激与人类判断一致，体现可泛化语义能力，不依赖扩展推理。
你的注意力指标回答的是哪个问题？——将注意力行视为成分数据
注意力行度量是否保留汇点词元可颠倒结论；成分数据法分离汇点与内容，证明熵坍缩主要是汇点增大而非锐化。
Chronos：AI协同历史学家
Chronos：AI协同历史学家，支持自然语言定制工作流，其扩展可自动提取历史扫描件信息，准确率高。
跨模态超声-MRI学习用于胎儿脑室容积测量与异常筛查
提出VIFBA框架，仅用超声视频预测MRI脑室容积、分类脑室增大并筛查异常
利用仅幅度与复数测量结合学习先验改进动态MRI重建
提出C+Mag，利用k空间幅度辅助动态MRI重建，ADMM展开解决幅度约束，改善伪影、清晰度与相位保留。
仅靠提示不够：监督基线与泄漏控制在儿科医患沟通中用LLM测量共享决策
零样本提示检测共享决策不可靠；监督模型更优，且需防范数据泄漏，分组不足以保证。
分岔与速率诱导临界转变的Koopman早期预警信号
基于库普曼算子的统一早期预警，结合残差模态分解与深度学习，可检测分岔和速率诱导临界转变。
无需无偏性的CFR：持久公共机会调度的确定性保证
文章针对持久公共机会调度，建立确定性目标转移定理，无需无偏性，界定完整切点可利用性，保证遗憾匹配收敛。
淋巴瘤PET/CT影像深度学习检测与量化评估综合框架：临床洞察、陷阱及观察者一致性分析
提出淋巴瘤分割评估框架，测试四网络，发现小病灶难检测，与专家表现相近，提升临床适用性。
ORPA：基于人类反馈的机器人操控在线残差策略自适应
提出ORPA框架，用轻量反馈模块在线预测残差修正，无需重训即可提升操控成功率与扰动恢复能力。
NeuroAbs：面向属性检查加速的神经符号RTL抽象框架
NeuroAbs用大模型与AST生成RTL抽象，SMT校验可靠性，CEGAR迭代细化，显著加速硬件属性检查。
ARISE：用于小样本生物医学组学特征选择的自适应残差信息稳定性集成
ARISE集成多信号与自适应加权，在小样本分子分类中实现稳定非冗余特征选择，全面领先现有方法。
CKAA：跨子空间知识对齐与聚合实现稳健持续学习
提出CKAA框架，通过对齐子空间特征与自适应聚合任务知识，增强持续学习对误导任务ID的鲁棒性，性能优于现有方法。
混合来源大语言模型文本中的最优水印定位
提出自适应阈值法，在混合来源文本中实现最优水印发现边界，无需先验指数或分布知识。
抖音多模态嵌入模型技术报告
抖音提出双阶段多模态嵌入模型DME兼顾效率与细粒度取得SOTA并已上线
从基函数视角重新思考不规则时间序列预测
提出去偏神经基函数网络，用重要性采样校正偏差，适配多样模式，结合多尺度分解与融合，提升不规则时序预测。
通过动作单元的时间分析探索抑郁症检测的面部生物标志物
研究面部动作单元与情绪，发现抑郁组悲伤/快乐强度差异显著，支持面部分析用于抑郁评估。
优化你的采样：基于贝叶斯优化的扩散采样调优
提出OYS，用贝叶斯优化直接优化采样时间步，无需训练，5步可达50步约90%质量，推理成本降10倍。
无监督动态对比增强MRI重建的基元表示学习
提出多维基元框架，分离解剖、动态增强与运动为时间基函数，实现无监督重建，性能媲美传统方法。
STAR-FL：基于时空分析与鲁棒聚合的安全联邦学习
针对联邦学习中毒攻击，提出时空分析与鲁棒聚合框架，聚类剔除恶意更新，调整学习率抑制毒化，有效降低攻击成功率。
SPACE：用于多元时间序列预测的样本云预测自适应共形椭球
提出一种共形方法，从当前预测样本云估计协方差并动态选窗校准半径，改善多元时序预测的覆盖与效率。
MoFE：基于傅里叶神经算子的新型混合专家加密货币预测框架
MoFE结合傅里叶神经算子与混合专家，捕捉多频动态，缓解相位滞后，在比特币预测中达SOTA，提升交易收益与夏普比率。
级联多尺度注意力用于低分辨率图像增强的多尺度特征提取与交互
提出级联多尺度注意力(CMSA)，集成于CNN-ViT架构，无需下采样即可提取融合多尺度特征，低分辨率下姿态估计性能提升且参数更少。
工作区拓扑作为智能编码助手的一种攻击向量
研究揭示工作区拓扑影响提示注入成功率，高模块化可显著降低攻击，上下文框架与安全提示亦有作用，测试环境需无污染。
机器学习交换关联改进何时能继承到密度泛函紧束缚中？
机器学习交换关联改进不能直接继承到DFTB，传递比率可预测反传递，修正在位项可移除大部分带隙误差。
接缝裁剪作为CNN中的特征池化
用接缝裁剪替代最大池化作特征池化，在鸟类数据集上性能更优，保留更多结构信息，并讨论局限与未来方向。
超越MSE：重新思考不规则时间序列预测的评估指标与基准
提出CSE替代MSE，消除采样分布影响，理论证明估计误差更小，实证其更准确评估不规则时间序列预测。
高质量层级的本质：音乐基础模型逐层内在属性评估
系统分析12个音乐基础模型逐层表征，发现内在指标可预测多数任务性能，但在调性任务上失效，需新增移调等变性指标。
基于量热计图像的端到端夸克-胶子喷注分类视觉Transformer
系统评估视觉Transformer及混合模型，在CMS开放数据上分类夸克-胶子喷注，性能优于CNN基线。
当智能体在Web3上行动：MCP、技能与工具调用的攻击面综述
Web3智能体攻击：区块链不可逆、签名、自主、序列组合放大影响；防护<30%，模型拒答<3%。