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。
EgoTac：基于第一人称视觉的真实场景触觉预测
从第一人称视频预测触觉，基于570万图像-触觉对，误差低、泛化强，支持零样本预测，助力触觉感知机器人学习。
视觉定位解码器需要前馈网络吗？基于冻结视觉-语言特征的控制性研究
前馈网络并非视觉定位解码器必需；仅注意力解码器性能相当或更优，且参数更少、延迟降低。
DualMiT-Net：乳腺钼靶感兴趣区域肿块分割的局部-全局Transformer-卷积融合网络
提出双分支网络DualMiT-Net，融合局部肿块与全局乳腺上下文，在CBIS-DDSM上Dice达0.9375，优于六种基线。
MetaReason：通过编辑元信息实现精确交错多模态推理以解决几何问题
提出MetaReason，利用元信息编辑合成视觉状态，结合数据集与强化学习，提升几何多模态推理，超越开源。
神经网络能否通过自我实验学习？自我干预学习：从功能后果到预测性自我知识
SIL：网络自我扰动观察后果，学习自身预测模型指导行动；能恢复部分结构，模型不完整，未必优于直接法。
CETalk：面向音频驱动3D说话头生成的连续效价-唤醒控制
提出CETalk，用连续效价-唤醒控制音频驱动3D说话头，多尺度解耦口型与情绪，效果优于现有方法。
面向工业异常检测的无分布误报校准与机会校正空间评估
结合无分布容差阈值与配对-交叉空间检验，实现误报校准及机会校正评估，并给出样本量规划。
MODAL：基于模型驱动的稀疏解耦与文本-图像差分滤波的多模态目标重识别
提出多模态目标重识别框架，采用模型驱动稀疏解耦和文本-图像差分滤波，缓解模态缺失，四个数据集达最优。
汇聚而非准入：注意力如何将潜在变量带入可表述形式
无门控；注意力在中深度窗口按需汇聚潜在变量，形成可表述形式。
S2-MoE：实现边缘设备上混合专家模型的高效自推测解码
提出S2-MoE自推测解码框架，用于边缘设备MoE推理，减少冗余验证并提升专家重用，平均加速约2倍，最高达5.3倍。
任意反馈延迟下的利普希茨老虎机
针对任意反馈延迟的利普希茨老虎机，提出随机/对抗两算法，遗憾界达~O(T^{(d_z+1)/(d_z+2)}+√D)，匹配无延迟。
决策驱动的正则化：一种学习与优化的混合模型
提出决策驱动正则化双目标模型，平衡预测精度与成本最小化，推广SPO+，数值优于多个基准。
TAHB：文本属性超图学习的综合基准
首个文本属性超图基准，含4领域10数据集，证明文本语义与结构共同提升超图学习性能。
几何感知位置编码是否有助于Transformer处理空间不完美信息博弈？
几何感知编码改善信念估计与低数据模仿，但未提升博弈胜率。
Evo-Harness：面向自进化智能体的上下文到工具集的技能编译
Evo-Harness将嘈杂一次性执行编译为可复用技能集，实现智能体在线自进化，五个基准验证有效。
基于大语言模型的分层协调控制与延续感知策略学习
提出LLM分层协调框架，融合延续感知策略学习，在交通和能源管理中优于现有方法。
视角不变攻击：增强对抗样本的可迁移性
提出视角不变攻击（PIA），通过多自由度顶点采样生成几何多样输入，减少过拟合，提升对抗样本可迁移性，优于现有攻击方法。
ProjFormer：基于几何投影Transformer与跨模态语义约束的点云补全
提出基于显式投影与自适应路由的跨模态补全框架，几何一致，性能优且结构完整。
快速测试时细化用于鲁棒学习图像压缩
发现非对称对抗轨迹：对抗样本仅需1-2步即可恢复；据此提出快速测试时细化(FTTR)，实现高效鲁棒学习图像压缩。
GraphLoom：多模态知识图谱RAG的可信校准图证据路由
GraphLoom通过可信子图检索与分层内存路由，减少噪声证据，提升多模态RAG的答案质量与证据忠实度，在三个基准上优于强基线。
压缩语言模型的认证：一项审计与统计工具包
压缩模型等价证据不足：净精度差掩盖约5倍翻转，17项声明多未设阈值或公开数据；提出配对等价检验与报告标准。
用于逆变器暂态闭环仿真与测量窗口预测的统一Mamba-MoE替代模型
提出Mamba-MoE统一代理模型，同时完成逆变器暂态闭环仿真与测量窗口预测，参数更少且预测区间覆盖良好。
SCOPE：面向视频世界模型的分数隔离式智能体优化
提出SCOPE框架，审计式推理时优化冻结视频世界模型；基准提升显著，但收益跨模型不均，需筛选更新。
基于成对比较反馈的在线凸优化
将成对比较反馈转为近似梯度，获得O(T^{3/4})静态/自适应/动态遗憾；光滑和强凸下改进至O(T^{2/3})和O(√(T log T))。
HOIMask：面向人-物交互生成的生成式掩码建模
提出首个生成式掩码框架HOIMask，在离散空间建模人-物交互运动，引入接触感知重构引导，优于扩散方法。
Andy：用于严谨证明和自主研究的数学智能体
自主数学智能体可求解验证问题、提出新问题、构建严谨证明，并成功证明切换拓扑下时滞异构网络的全局指数同步。
LongDocBench：长文档中目录层级与上下文关系恢复的基准测试
构建长文档基准，含85篇真实文档，评估目录层级与上下文关系恢复，发现现有解析器能力有限。
统一主干-专家框架与关系令牌及残差分类器接口的自动调制识别
提出统一主干-专家框架，用关系令牌补偿短序列，残差模块与分类器协作处理长序列，在两大数据集上取得高精度。
超越自然图像基础模型：面向眼科图像分析的卫星预训练基准测试
卫星预训练优于自然图像预训练，在眼科富血管模态上媲美医学专用模型，且无需医学数据。
构建高效个性化模型的全局联邦学习策略
直面数据异质性，提出缓解表征崩塌、保留全局知识的训练策略，并发现单全局初始化在充分微调下更优。
GATTA：基于测试时增强的图主动学习
提出图主动学习新方法，用测试时增强聚合预测提升不确定性估计，过滤不可靠视图，简单方法媲美复杂模型。
EMASAM：通过EMA引导扰动实现计算高效的锐度感知最小化
EMASAM用EMA影子模型与主模型差异定义扰动，免去额外反向传播，降计算成本，保SAM泛化能力。
从“假设”到“现实”：反事实思维启发的视觉脑解码语义对齐
提出反事实语义对齐框架，对齐真实描述并区分近似干扰，提升视觉脑解码的重建与语义判别。
思维漏斗：基于早期投票与轨迹剪枝的高效测试时扩展
思维漏斗保持投票精度且减半注意力计算，借犹豫标记剪枝无效轨迹，总成本降近三成，在线耗时降近四成。
用于含时薛定谔方程的概率保持Transformer
提出硬约束Transformer强制保证含时薛定谔方程概率守恒内在幺正计算效率优于软约束方法
PureTD：无评估期搜索的后手棋资金局强化学习
纯自对弈强化学习无需搜索即可训练出接近顶尖水平的后手棋模型，速度快且强于开源引擎。
VGGT-Align：桥接局部重建与全局一致性的长序列三维重建
提出尺度一致性增强框架，利用场景几何不变锚定消除尺度漂移，结合测试时自适应，轨迹误差降32%。
TERRA：面向高分辨率AI地球建模的分层并行训练与内存编排框架
提出TERRA分层并行训练与内存编排框架，支持高分辨率地球模型，显存节省达51.8%，强扩展效率65%。
ACTS-SQL：基于大语言模型的智能体与批判导向树状SQL正确性框架
提出免训练的树状SQL纠错框架，支持多策略回溯与执行验证，在基准上提升9.42%，并在生产环境显著提高准确率。
通过LLM智能体进行列间约束发现的约束感知合成表格数据生成
提出LLM智能体发现并强制执行列间约束，后处理修复生成数据，实现零违规并提升下游效用。
MiNO：PDE的余切丛传播子学习
提出微局域神经算子(MiNO)，学习PDE传播子相位与振幅，用振荡积分恢复解，在间断平流中达精度极限，优于PINN和FNO。