基础模型适配器的谱秩认证
为LoRA适配器建立有效秩的有限样本推断方法；审计26个适配器表明，校准有效秩通常远小于名义秩，且不同于能量保留。
UC-VLM：基于视觉-语言大模型与一致性驱动的AI生成图像检测
提出UC-VLM统一多阶段框架，仅用二元标签监督，自动优化指令，复用标签增强视觉与文本输出，显著提升AI生成图像检测准确率。
FinFraudBench：面向金融欺诈检测的异质图基准
提出FinFraudBench异质图基准，含两大数据集、六实体十四边，自然欺诈率，评估基线揭示局限。
超越阈值：面向冷链物联网系统的质量感知决策智能框架
提出面向冷链的质量感知决策智能框架融合质量表征混合建模与LLM推理提升保质期预测精度与决策最优性
Validation-Frontier Representation Selection under Constrained Observation
基于共轭梯度的全局-局部正则化网络用于稀疏视图CT重建
提出CG-GLORE，二阶启发展开网络，结合共轭梯度与全局-局部正则化，实现稀疏视图CT高质量重建。
DCA-MoE：空间自适应跨层融合与密度路由专家的人群计数方法
提出DCA-MoE，用空间自适应层融合和密度路由专家计数，在NWPU-Crowd上MAE达31.7。
Robust structure from motion for aerial-ground images via detector-free feature matching and multi-view track refinement
学习重塑内部表示中的幂律各向异性
求解两层网络动力学，发现特征区幂律指数非单调演化，惰性区不变，揭示输入-任务交互生成内部表示幂律各向异性。
陆地生态水文学的地球观测基础模型：从表征学习到过程推断
提出框架，指出预训练偏重光学微波、热红外不足，深层推断与物理一致性评估薄弱，需过程感知设计。
面向准则评估的语义嵌入结构化：一种原型引导的对比学习方法
提出原型引导对比学习（PGCL），在冻结文本嵌入上做几何正则化，不更新编码器即可提升毒性、情感、评分等准则评估任务。
基于运动感知扩散的无人机视频去模糊：通向稳健目标检测之路
提出运动感知扩散的无人机视频去模糊方法，通过自适应潜尺度和多帧门控，有效恢复细节并提升目标检测精度。
StateM：通过执行框架扩展，在Terminal-Bench 2.1上达到95.3%原始准确率，或实现15美元的前沿运行
StateM以状态化运行与可恢复手册扩展执行框架，提升终端测试准确率至95.3%，成本约15美元。
二阶政策效应作为状态转换：政策模拟的源链接基准
政策二阶效应基准含96案例与状态转换变量。模拟器副作用召回优于基线，转换状态变量增强对下游制度效应的敏感性。
量化智能体的剖析：代码合成智能体工作负载中的显存稳定性与预测
量化智能体显存预测研究中，闭式模型加经验常数即可媲美学习模型；显存方差低，无需复杂预测模型。
治理干预下的平台适应：行为主体最优反应建模与外部公共案例基准
提出平台适应模型评估治理干预，经72个案例验证优于对比方法，主张政策应视为适应性干预而非静态控制。
面向铁路图像质量评估的自监督拓扑不变流形学习
自监督拓扑不变流形学习免标注建质量参考经单调滤波与稳健融合在基准及铁路上验证零样本迁移与鲁棒性
ReForge：借助经验证的大语言模型编辑，让ABR算法永不停滞地适应变化
ReForge用大语言模型按轮改进ABR模糊规则，经历史回放验证。在3G到5G网络流上，平均QoE从1.23升至1.74，达神谕94%，且能修复未见网络。
形状算子PCA：面向几何机器学习的曲率感知投影
提出SHOPCA，将形状算子融入PCA协方差，兼顾方差与曲率，无监督选参，提升聚类，小样本胜UMAP。
MAPLE：MoE自适应即插即用逐层专家分配
MAPLE按层异质分配专家，不重训练，75%专家超越100%基线，延迟降32.2%，吞吐提47.4%。
没有任务每次失败：为何单次审计对智能体损害存在结构性盲区
无任务每次失败；单次审计结构上漏检智能体损害，损害具有随机性，能力越强损害任务越少。
锚点正则化自适应：基于DINOv3的泛化AI生成图像检测
提出ARA：LoRA捕像素伪影，冻结锚点保表征，混合数据提升泛化，9基准SOTA。
使用CPMpy将有限域整数约束模型翻译为CP/SMT/ILP/PB/SAT求解器
提出将高层约束模型模块化转换为多种求解器（CP/SMT/ILP/PB/SAT）的框架，实现于CPMpy，线性化优化对ILP/PB至关重要。
PersonaDrive：基于多维驾驶人格的可控轨迹预测
提出双轴（时间紧迫性、乘坐舒适性）九种人格数据集及语言驱动轨迹预测框架，实现多维可控预测，性能超基线。
边界对齐贡献路由用于鲁棒光学-SAR目标检测
针对光学-SAR融合中的负迁移，提出边界对齐路由机制，仅用检测监督调控模态贡献，显著提升全输入与缺失模态检测精度。
VibeWorlding：多模态智能体能端到端构建3D开放世界吗？
提出VibeWorlding框架，训练多模态智能体自主构建3D世界；实验显示前沿模型成功率不足60%，强化学习可提升开源模型性能。
面向自动化领域建模的标准化评估：引入基准数据集
提出领域建模基准，结合UML与参考数据集，评估规则及LLM方法，支持标准化比较。
SAGE-OR：手术室的半监督自适应场景图生成
提出特征中心半监督框架，消除定位标注，用提示驱动实体增强，以轻量图变压器实现高效关系推理，性能接近全监督。
发散-收敛推理：通过结构化方案合成扩展测试时计算
提出发散-收敛推理两阶段法，单步收敛放大少数正确，递归DCR以更少算力达高精度，分歧度可预测推理收益。
不变预训练：构建鲁棒的代码表示
不变预训练用语义保持变换与多正例对比，仅靠代码将鲁棒性在克隆检测提升11点、分类提升19点。
机器智能的构成性先验：人工物理世界的合法性理论
物理AI有冷启动僵局，但人工物理世界有档案可循；先验合法性在于有意构成且留档，需四层结构。
ReasonCast：具有选择性语义推理的智能体需求预测
提出结构化语义干预框架，按需推理事件知识，选择性修正预测，显著降低假日与促销场景预测误差。
SkillCommit：基于行为验证的范围扩展来演化智能体技能
提出SkillCommit，在线技能演化框架，将经验转为分层技能库，仅合并经行为验证的技能，提升多域性能并支持跨模型迁移。
卢旺达移动货币洗钱检测：一种机器学习框架
针对卢旺达移动货币洗钱检测，提出机器学习框架，应对类别不平衡，用合成数据训练，高精度下低告警率。
遥感语义变化检测的对抗鲁棒性研究
提出针对遥感语义变化检测的对抗鲁棒性评估框架，发现整体双时相预测路径决定鲁棒性，跨模型迁移较弱。
TinyDETR-Pose：面向端到端实时单阶段6DoF物体姿态估计的轻量级Transformer
提出轻量端到端单阶段6D姿态估计框架，免PnP/NMS/迭代优化，在YCB-V达85.9 AUC，参数量减少72.7%，Jetson Nano上仅4.5ms实时推理。
面向异构多任务语义通信的去中心化联邦学习
提出个性化去中心化语义通信框架，用任务亲和度共识矩阵和策略路由抑制负迁移，推导最优聚合深度，性能提升4.77%
$D^{2}R^{2}$：调控强化的离散扩散用于单细胞扰动预测
D²R²将单细胞扰动预测重构为调控引导的逐基因生成，利用离散扩散与强化学习优化生成顺序，取得最优结果。
LongRCA Bench：诊断长程智能体失败中的责任角色与根本原因
提出LongRCA Bench：1140条失败轨迹，基线根因步准确率仅13.2%；RCTA达角色51.1%、根因步24.1%。
1/2-Tsallis-INF 是否也能很好地用于最佳臂识别？
证明1/2-Tsallis-INF无需额外探索也能进行最佳臂识别，错误概率以t^{-2}衰减且指数2紧致。
面向持续异常检测的记忆受限贪心采样延续
提出记忆受限的贪心采样延续法：固定内存下经贪心扩展与整合保持核心集代表性，理论有界，持续异常检测最优。
SAGA：融合结构注意力的生成式行为嵌入模型，用于编码多端用户行为序列
SAGA用逐字段分词将跨端行为统一编码，结合字段级注意力与训练目标，提升下游点击和转化。
FAST-DeepONet：小样本场景下高维偏微分方程输入的因子增强分支表示
FAST-DeepONet结合固定谱路径与正则化残差投影，在小样本下稳定高维传感器输入；Navier-Stokes误差约0.04，多任务降4.7%-37%，参数少3-7倍。
FMReward：基于人类偏好对齐与评估音频驱动的三维面部动画
构建人类偏好数据集，学习奖励模型，优化并评估音频驱动的三维面部动画，使其符合人类偏好。
SOS！：用于无模型分割的精简对象条件Transformer
提出精简对象条件变换器，仅用单张参考图，无需三维模型，统一掩码与目标识别，实现高效无模型未知物体分割，达新最优。
超越场精度：逆PINN参数误差的双轴诊断
提出双轴后训练诊断，区分有限样本分辨率与符号参数偏好，跨多种PDE验证，位移与误差强相关，为后续研究提供方向。
基于自适应秩聚类滤波器的图像去噪
提出基于Otsu聚类与模糊融合的空间局部去噪滤波器，对混合噪声鲁棒性优于多种基线算法。
多样性、公平与包容提示下医学语言模型的人口统计信息注入
DEI提示使医学模型添加未言明的患者人口统计特征，发生率由0.7%升至33.1%，且可致错误答案。
迈向未知奖励下推理时对齐的理论
将推理时对齐形式化为弱到强学习，提出对齐维度，证明其有限性完全刻画可学性。
用于4D占用预测的几何感知时空上下文建模
提出GAST法，结合显隐式生成与双路时空建模，几何保真高，mIoU提升7.67%，速度快2.84倍。