PPOM：为基于CLIP的可泛化视觉-语言提示调优边缘化补丁网格相位
提出PPOM免训练推理算子，边缘化补丁网格相位，降低预测敏感性，无需重训即提升CLIP提示调优性能。
混合迭代生成模型的训练后量化
提出HyGenQ框架，通过分层簇解耦与缩放重校准解决异常值问题，实现混合迭代生成模型8位量化（W8A8），显著优于现有基线。
越流行，越难忘：面向大语言模型遗忘的自适应流行度方法
提出AdaPop法，依流行度调节遗忘强度，用控制器平衡，泄露量降低约5倍和1.6倍。
概率性不排水抗剪强度间接模型：运用先进插补与机器学习方法应对数据缺失和变异性
利用CLAY/10/7490数据库，结合多重插补与多头注意力概率神经网络，提出MHA-PNN模型，在数据缺失下显著提升不排水抗剪强度预测精度与不确定性量化。
MedClaw：面向长时程手术视频推理的启发式智能体框架
提出新智能体框架，分离推理与感知，以无梯度技能蒸馏积累经验，仅约100样本即可提升长时程手术视频推理。
仿真感知的上下文策略改进：用于LLM辅助模拟版图优化
仿真感知LLM多智能体框架经行动-观察-反思循环迭代版图参数，仅需数十次后仿真即提升性能。
CForce：通过一致性强制提升扩散大语言模型的并行解码
提出一致性强制蒸馏，对齐扩散LLM掩码预测，减少并行解码错误传播，提升速度质量权衡。
FIRM：面向遥感推理分割的掩码细粒度令牌内表示
提出细粒度令牌内掩码表示，为每个令牌预测子单元模式，保留内部结构，提升遥感推理分割，多基准领先。
Envs-FORGE：面向智能体强化学习的前沿优化奖励驱动环境合成
Envs-FORGE将验证器奖励转为逐种子环境合成动作，通过混合整数规划选择最优，显著提升智能体强化学习Pass@1。
基于内容的游戏视频解说：视觉语言模型驱动
提出用视觉语言模型为任意游戏录制生成电竞式解说，无需定制训练，通过拼图与上下文提示实现。
FLARE MCMC：面向马尔可夫链蒙特卡洛的基于保真度的层自适应递归提议
多保真分层马尔可夫链蒙特卡洛，用低保真近似加速混合，同等计算时间内有效样本更大。
ForgeWM：少步动作条件视频世界模型的渐进式因果训练
ForgeWM采用渐进式因果训练实现少步动作条件视频世界模型，支持1/2/4步，质量与动作精度领先。
语言模型表示中几何复杂性的局部与全局区制
内在维度受词汇多样性影响呈尺度依赖反转：低多样性时独特词少者维度高，高多样性相反，并给出反转点精确公式。
从被动代理到战略谈判者：用SocialRL强化小语言模型的社会推理
SocialRL强化社会推理，4B模型六域达前沿；跨域迁移统一模型效用0.627，超GPT-4.1等。
E-S2Feat: 事件相机语义引导的脉冲局部特征检测与描述
提出语义引导的脉冲神经网络E-S2Feat，用于事件相机局部特征，精度提升且能效提高4.8倍。
SSP：一种面向自动驾驶VLA模型的事件匹配的合成-仿真-物理跨域评估框架
提出事件匹配的跨域评估框架验证自动驾驶模型性能，显示合成仿真物理域能力因场景而异，物理域非普遍最优。
仿真驱动的车辆交通数据增强：通过虚拟感知扩展传感器覆盖
提出仿真法，用虚拟传感器替代物理传感器生成增强交通数据，保持流量特征，扩展覆盖范围。
面向能效DNN推理的内存与计算频率联合优化
本文联合优化内存、计算频率与通信资源，在截止时间约束下最小化设备能耗，提出近优闭式解与低复杂度算法，能耗最高降低10.4%。
PISA：一种用于测试时开放词汇目标检测的伪个体源域特征自适应框架
提出PISA框架，利用CLIP跨损坏图像的不变性生成伪个体源域特征进行监督，无需源域数据，提升开放词汇检测在域偏移下的性能。
MemoryArena上的MemoryLake：智能体记忆后端的匹配研究
比较四种记忆后端，MemoryLake在共享集成功率20.5%对13.6%领先，但样本小，结论非确定。
无分类器引导调度的对抗学习
针对文本生成图像扩散模型，提出对抗学习无分类器引导调度，动态预测指导尺度，优于启发式和现有方法。
模型无关的检索增强扩展时间序列预测
RAEF基于检索增强扩展，采用直接检索与拼接聚合，提升精度、降低开销，性能媲美微调。
Owner3D：所有权引导的风格写入，用于免训练的局部3D风格化
提出所有权引导的风格写入，实现免训练局部3D风格化，减少外观泄漏86%以上。
固定预算下结构感知的高斯体积编码
固定预算结构感知分配高斯基元编码标量场，提速51倍，压缩比超4万倍，单模型支持各种可视化。
学习运行电力网络：受AlphaZero启发的有效拓扑控制
受阿尔法零启发的电网拓扑控制，存活率98.43%，优于近端策略优化；简单二元奖励和最小观测空间更有效。
AI聊天机器人能找到专家找到的研究吗？模型、用户角色与样本量对医学问题研究检索的影响
评估三个AI聊天机器人检索Cochrane综述研究，性能因模型和用户角色而异，且偏向大样本临床试验。
绝非数字：面向答案被当作事实消费的AI系统的结构性弃权
LLM文本转SQL会生成看似正确实则错误的答案，本文提出结构性弃权架构：生成外壳解释，确定性内核编译唯一可答问题，无法表达即拒绝，无需置信度估计。
CoDS：基于专家驱动的检测与BEV分割的鲁棒协同感知
提出CoDS协同感知框架，通过可靠性图、语义混合专家与双向任务交互，在噪声下实现鲁棒检测与BEV分割。
当去噪有害时：重新思考扩散时间序列预测器的终止步骤（扩展版）
扩散模型低噪细化会引入漂移损害预测；提出无标签全局停止准则与伯努利采样器，加速推理并提升精度。
发现并空间刻画多个捷径组以审计视觉模型偏差
通过聚类每图像贡献图，发现多个空间捷径模式，定位子集偏差，并干预抑制以降低性能差异。
不对称话语同质化与共享语言技术：来自Reddit的证据
2022年底起，跨党派论坛政治话语分化中断，保守派同质化加剧，进步派无变化，非ChatGPT单点触发，系社区层面渐进而非个体采用所致。
当个人记忆没有唯一答案：在不可约冲突下评估LLM代理
提出TANGLE基准，评估LLM在不可消解记忆冲突下的表现，发现提取失败与校准不足，提出冲突感知策略CAAP。
说谎预言机下的序列预测
研究m元序列预测；损失源于经比较查询说谎预言机的预测复杂度。针对随机与对抗环境提出算法，证明遗憾对数上界。
信息满意度：以读者为中心的摘要评估维度
现有摘要指标衡量不了信息满意度；读者背景可作信号，但常见指标均与人类判断不符。
源无关图像翻译：基于潜在感知自适应掩码
提出源无关框架，用扩散预测差异动态细化掩码，自适应阈值，无需训练即可精准转换图像，性能超SOTA。
删失需求下单仓多店系统的资源自适应原始-对偶学习
提出资源自适应原始对偶学习，针对需求截断的单仓多店系统，随剩余资源动态调整，实现对数遗憾，优于现有平方根界。
中文标题
部分序上上下文学习的可辨识性与序维极限。摘要：针对部分序上的上下文学习，分离逻辑可辨识性与教学成本，证明补全三分律，给出教学数公式，最大为n(n-1)且仅反链达到，并明确坐标解码器的维数边界。
智能体事务：迈向ACID合规的智能体系统
提出智能体事务与ACID合规框架，实现语义原子性等四性，实验较SOTA提升10.6%。
你只前向一次：在冻结语言模型的单次前向中同时作答与弃权
提出YOPO，在冻结语言模型单次前向中同时作答与弃权，通过重构残差流避免干扰，性能超两遍推理。
字里行间：法律模拟中行为真实性的建模与评估
提出WitnessSim，用可控法律人格模拟证人。评估区分行为真实性与教学效果：行为合理，无偏好，且随提问干预调整，提供法律模拟评估框架。
更多正确数据何时有害？插入稳定性与维度理论的局限
正确数据加入也可能有害；插入稳定学习器可免疫，经典维度无法预测，VC类误差有对数代价。
HiCo-GS：面向八叉树高斯溅射的层次上下文聚合与几何一致性
针对八叉树高斯溅射的跨级特征隔离，提出跨层聚合与深度法线一致性方法，实现城市级高质量渲染。
基于体素的地震数据三维相分割：比较研究
现有方法将3D地震体切为2D，损失连续性。本文提出体素3D分割基准，评估三类架构，给出基线结果。
QUASAR：通过损失感知重构降低量化感知训练的性能下限
提出QUASAR方法，在训练中持续进行轻量损失感知重构，降低量化模型损失下限，显著提升低比特性能。
时间序列基础模型中的预测坍缩
预测千股小时收益现平坦排序差坍缩，源于低可预测性与逐序列目标；校准排序法平衡校准与排序，提升横截面相关性。
HELIX：模型-框架协同进化用于递归自我改进
提出可溯源的框架进化基板，实现模型与框架协同进化：先改进固定模型，用验证轨迹更新模型，形成递归自我提升回路。
InstructVVT：无需辅助空间先验的指令驱动视频虚拟试穿
提出指令驱动视频试穿框架，无需空间先验，通过双级参考条件实现精确换装，并用试穿奖励对齐人类偏好，效果优于现有方法。
SPARGen：通过原生多模态生成统一空间感知与推理
提出统一多模态生成框架，将三维重建、稠密对应和空间推理统一为生成任务，共享空间监督，性能优越。
AI研究偏好模型
提出AI研究偏好模型，免执行预判候选价值，集成AIRA-dojo，提升分数、节约预算并创新高。
VoiceChat-TTS：面向交互式智能体的低延迟连续语音合成模型
提出低延迟连续语音合成模型VoiceChat-TTS，支持打断、静音待机，保持高质量。