分离面的生成式学习
利用分类器和生成模型，从高不确定区域采样，迭代重建动力系统的分离面。
个性化自动研究：迈向真正的AI合作科学家
提出个性化自动研究框架，用图构建研究者画像，贯穿检索、实验、写作等全流程，避免不同研究者得到相同结果。
SpIn-ViT：设计机制可解释的稀疏诱导视觉Transformer
SpIn-ViT联合训练ViT与SAE，实现稀疏可解释特征与分类对齐，精度、可解释性远超现有方法，规则集更小。
OvDSGG: 端到端开放词汇动态场景图生成
首个端到端开放词汇动态场景图生成框架，零样本召回率提升10-20.4个百分点，闭集性能持平。
眼见未必为实：众包航空灾害评估中不同影像来源的标注与审核表现
首次实证多源遥感灾损标注中，影像分辨率越低修订率越高（卫星达36.95%），单轮审核后仍有20.86%分歧，建议按分辨率分配审核资源。
MINT：最小选择偏好蒸馏实现均衡多目标对齐
用最弱目标而非加权和排序候选，蒸馏最佳平衡样本，显著提升多目标均衡性，超越人类专家。
CEDAR-GRPO：面向LLM通用溯因推理的过程感知强化学习
提出CEDAR-GRPO过程感知强化学习框架，以溯因奖励提升LLM可迁移推理，在11个未见任务上全面超越基线。
大语言模型知道该问什么、何时问吗？多轮信息寻求的评估
提出多轮信息寻求框架与基准，发现模型低估缺失信息、查询不充分且顺序影响结果；信息寻求独立于答案生成。
尾部感知的Top-k在线策略蒸馏
提出TA-OPD，保留Top-k蒸馏中缺失的尾部概率，抑制熵增，提升Avg@8达8.05分。
一种求解偏微分方程的新型傅里叶特征网络
提出傅里叶特征网络：单隐层傅里叶基函数，最小二乘求系数，免仿射变换，求解偏微分方程精度优于极限学习机。
通过建议渠道造成的个体赋权丧失：影响力内生时的控制权损失
仅能建议的AI可通过信息培养依赖，削弱人类控制权；长期部署比短期更危险，影响上限失效。
基于可解释神经网络的纳米晶合成尺寸决定机制解析
可解释神经网络揭示纳米晶合成尺寸由三个标量线性方程决定。
面向通信高效的自动驾驶：风险自适应边缘-云视觉推理
风险自适应边缘-云架构：车载评估触发云端推理，云请求减54.1%，紧急制动更少，实验验证有效。
PaSTel：通过多尺度分层生物先验对比预训练将组织学锚定于空间转录组学
提出多尺度分层生物先验对比预训练框架PaSTel，有效提升空间转录组学表征。
前沿文生图模型图像描述提示基准评测
四款前沿文生图模型测评：Gemini 3 Pro Image最佳（84.8），FLUX.2次之（82.3）；主要短板为物体计数、几何与文本乱码。
多尺度物理系统的超分辨数据同化迭代细化扩散方法
提出迭代细化数据同化框架，融合时间先验与生成校正，分层重建超分辨状态，在强多尺度湍流基准上优于现有方法。
WANDR：广度和深度研究基准
WANDR基准含500个数据收集任务，要求广泛发现与深度核实，现有最强系统软F1仅0.363，尚未饱和。
量子捷径：复相位态动力学缩减序列模型的优化步数
量子式复相位态表示加速序列模型训练：状态空间模型和注意力模型达到同等损失仅需三分之一与二分之一优化步数。
基于置换不变Gram矩阵原理的免配准RGB高光谱重建
提出置换不变Gram矩阵原则，免配准、免已知响应函数，由RGB重建高光谱，精度媲美需严格假设的方法。
利用离线强化学习发现高质量国际象棋谜题
利用离线强化学习分析15亿解题数据，发掘高质量棋题，显著提升停滞期初学者棋力。
ER-KANs：用于数据稀缺科学机器学习的高效鲁棒Kolmogorov-Arnold网络
ER-KAN共享高斯RBF基、课程噪声注入与熵加权正则，在噪杂小数据下比MLP更稳健。
JarvisBench：人类与智能体之间的始终在线智能
提出JarvisBench基准，评估智能体与人类间双向注意力协调，涵盖45个任务，支持任意智能体运行时，确保用户可随时介入并获得及时反馈。
基于物理信息神经网络的电池部分放电实时健康状态估计与在线退化预测
基于物理信息神经网络，从任意部分放电曲线估算锂电池健康状态（误差<4%），并实时预测退化趋势。
p-自旋玻璃网络：高效单批次持续学习
p-自旋玻璃网络实现内存与样本高效，单批次稳定收敛，去除大批量需求，支持持续学习与边缘AI。
生成上下文与受管状态：可问责纵向临床推理的功能条件
纵向推理是部分可观测状态估计；问责需证据账本、信念态、观测模型、因果类型。六层框架：LLM高能力低成熟。
MOSS-VL技术报告
MOSS-VL是开放视觉语言模型，通过门控交叉注意力实现边看边说，流式基准三项第一，参数11.3B，实时交互领先。
技能块：智能体应如何加载技能？缓存校正下预加载、按需工具加载、渐进式披露与混合方式的比较
比较四种技能加载法，混合法减输入27-40%，多轮大技能最高降73%，质量无差异。
生理学信息驱动的数字孪生框架，用于模拟肝脏健康进展
提出肝脏数字孪生HEPATWIN，整合代谢等生理机制，结合患者数据模拟疾病进展，经校准可预测NAFLD、纤维化等，验证效果良好。
大语言模型能预测失败风险，但难以预测哪种协作协议值得投入：推理任务中的成本感知协议路由
多智能体可提升推理但成本高；模型能识别失败风险，却难预测具体协作协议的价值，成本感知路由仍待解决。
M-LINKX：基于多视图图学习的脑认知疾病检测
提出多视图图学习框架M-LINKX，融合脑电通道特征与功能连接，提升痴呆症分类性能。
工具结果是否比纯文本更具权威性？——使用 Claude Opus 5 的合成赋值任务中虚假声明采纳的三项前瞻性研究
测试Claude Opus 5对工具结果与纯文本的信任度：工具结果可致虚假采纳，但复制不稳定，且不高于纯文本。
NRCD：统一性能标准化的美国大学跑步公开数据库
首个大规模大学跑步公开数据库，含2.9万运动员12.9万成绩，标准化后跨赛变异性降低51%（女）/34%（男）。
前沿AI预测存在测量问题：对进展证据的审计
前沿AI预测有测量问题：算力与METR观测缺失，基准衔接不稳，证据集中单一来源，需版本化测量体系。
利用GAN生成合成指照片
利用生成对抗网络合成指照片，评估其真实感、隐私性与多样性，应对非接触指纹数据不足及隐私风险。
小模型侦察大模型数据控制中的瓶颈顺序
小模型轨迹可揭示大模型技能瓶颈顺序；LogFloor按瓶颈分阶段训练，节省30%-56%token，顺序是关键。
区分同质性与罕见性：解释图神经网络的失败
研究发现同质节点更易分类，即使罕见；异质节点信息可通过重训分类头恢复。
PathFinder：关联多模态数据的联合分解
提出PathFinder方法，通过路径关联矩阵，无需共享维度即可联合分解多模态数据，发现共性模式并预测缺失数据。
基于韧性引导的特质条件化可穿戴生理信号在阿片类药物使用障碍中的渴求估计
提出RETRACE框架，利用韧性特征分离压力与渴求信号，无需个体重训即可提升交叉受试者渴求检测准确率7%。
智能体评估何时结束？结果最终性与跨单元分离
当前评估仅看停止时状态，需满足结果最终性与跨单元分离，否则延迟操作会污染结果，需开放效应记录。
Grokking是插值流形法向双曲性的丧失吗？
残差Jacobian最小奇异值显示Grokking转变无法向双曲性丧失，支持平滑收缩而非分岔。
SA-GEM：面向高效遥感大视觉语言模型的尺度自适应与地理空间证据调制令牌剪枝
提出尺度自适应与地理空间证据调制的令牌剪枝，在足够粒度下质量重于数量，精度和效率均提升，推理加速2.4倍。
MEDR：基于多信号事件建模与动态重评分的查询无关帧选择
MEDR以多信号事件建模和动态重评分实现查询无关帧选择，无需训练，可复用固定帧集，提升视频问答准确率。
利用退相干进行简并度计数的量子算法
利用退相干度量与全局最优简并度间的关系，仅测量四比特探针即可计数经典优化问题的全局最优解数量。
信任不够：代理强化学习中在线策略自蒸馏的影响校准
针对教师信任与目标效用错配，提出影响校准ICSD，调节蒸馏权重，减少反向token，显著提升ALFWorld等基准性能。
基于LLM的并行DEVS状态图生成与验证框架
提出大语言模型框架，生成验证PDEVS状态图，用逻辑蕴含修正不一致，提升准确性。
面向遥感图像语义分割的频率与边缘引导分割一切模型
针对遥感语义分割，提出频率与边缘引导的分割模型，用频率适配器与边缘细化器解决特征与边界问题，性能最优。
T-LLM 编译器：基于可信大语言模型的代码优化与验证框架
T-LLM编译器结合LLM变换、传统编译与验证，提升代码正确性，最高加速16.1%，平均26.7%。
帕累托条件化强化学习的命令空间反事实解释
提出CF-ZOO：黑盒搜索最小改变的命令，使帕累托条件策略改选目标动作，生成可操作反事实解释。
几何校准的闭式收缩SAR去斑
几何校准闭式收缩去斑：解析参数、免训练，性能领先。
面向按需城市空中交通网络设计的需求驱动垂直起降机场选址与离散事件车队仿真
需求驱动选址与仿真框架；洛杉矶案例高需求16站12机。大机队改善准点但不减空载，UAM更适合长距或拥堵出行。