HandsOnWorld：基于相机解耦手部控制的无约束第一人称视频生成
提出手控第一人称视频生成框架，从无约束单目视频，用普吕克手图解耦相机与手运动，效果优于现有方法。
图神经网络过压缩问题综述：当前方法、基准与挑战
综述图神经网络过压缩问题：总结其定义、三类缓解方法、与表达能力及过平滑的关系、评测与复杂度，并展望开放问题。
Hi-Token：用于生成式视觉定位的分层坐标标记化
提出分层坐标标记化与几何奖励，提升生成式视觉定位精度，跨模型基准表现一致。
重新审视形状与纹理依赖：基于类别可分性校准的抑制
提出语义退化指数校准抑制，发现CNN更依赖纹理而非形状，ViT在分类和脑编码中均更鲁棒。
Reflex：面向反应关键操作的快速可预测视觉-语言-动作模型
提出反应关键操作基准ReflexBench与模型ReflexVLA，通过潜在未来预测和多帧融合提升动态操作性能，并降低部署延迟。
从恢复到跌落：动作后训练如何降低视觉语言模型后期层的深度可解码性
动作后训练使视觉语言模型后期层深度解码骤降，源于多层感知器写入干扰；消融可恢复大部分。
基于线性样本稀疏化的主动回归
提出基于线性样本稀疏化的方法，将主动回归等曲线拟合的样本复杂度降至O(d)，优于此前O(d log d)的杠杆得分采样。
分布时序差分学习中的在线推断
证明非参数分布时序差分学习的根T误差与自助法同收敛于高斯极限，可推断方差、条件风险价值和分位数等泛函。
VISOR：基于迭代搜索与超视野推理的智能体视觉检索增强生成
提出VISOR智能体框架，以证据空间和视觉动作校正解决证据稀疏，滑动窗口与意图注入防搜索漂移，经GRPO训练，多基准最优。
从风格复制到风格探索：以分析-实验-再情境化框架赋能艺术风格探索
提出AER框架通过分析实验再情境化助艺术家探索风格提升自主与反思
可学习优化算法的概率框架
提出优化算法的统计学习框架，基于轨迹概率分布，支持群体性能分析与从数据学习，并提供PAC-Bayesian泛化保证。
基于危险感知的综合包络确保城市移动中物理AI安全
提出统一框架，通过跨层安全变换将系统危险分析与运行时执行结合，确保城市移动中物理AI安全。
OTIS：用微型编码器学习高质量时间序列特征
OTIS仅7.1M参数，性能媲美54倍大的模型，内存能耗延迟大幅降低，可生成高质量时间序列特征。
μFlow：利用平均图像提升深度伪造人脸检测器的泛化能力
仅用真实图像训练的μFlow单类检测器，借平均图像特征与归一化流对齐，实现跨生成器泛化并超越现有方法。
晶体材料通用热力学原子间势
提出热力学原子间势，将势能扩展为吉布斯自由能，自动微分得热力学量，可预测相变与合金溶解度。
BAG：面向扩散缓存的预算感知门控
BAG用轻量门控网络按预算动态决定缓存复用，经离线到在线蒸馏训练，在多种加速比下超越现有方法。
面向序数分类的序数感知校准
首次正式提出序数校准问题，提出ORCU损失，融合距离感知软编码与对数障碍，实现最优校准且不损精度。
BGA：一种用于高熵加密流中恶意签名提取的抗噪神经蒸馏框架
抗噪蒸馏框架方差分析解耦生成对抗网络增样双向LSTM注意力提取恶意签名性能95.2%延迟毫秒级
P2Skill：面向云-本地LLM推理系统的隐私保护技能蒸馏
提出P2Skill，提示技能蒸馏，本地小模型自主分解、路由、改写、重构，免微调，隐私推理质量显著。
面向图像引导神经外科的脑变形数据驱动配准与建模
综述2020-2025年脑变形配准建模的数据驱动方法，分析深度学习策略与评估，指出鲁棒性、基准等局限，展望临床转化。
ArGEnT：任意几何编码的算子学习Transformer
提出解耦几何编码与查询采样的注意力框架，在任意几何上提升算子学习精度与泛化，误差降低超一个量级。
INFORM-CT：整合大语言模型与视觉语言模型的腹部CT偶然发现管理
提出结合LLM与VLM的计划-执行框架，自动管理腹部CT偶然发现，比纯VLM方法更准确高效。
指数族成员推断：从LiRA与RMIA到BaVarIA
统一LiRA/RMIA/BASE为指数族框架，提出贝叶斯方差推断BaVarIA，低影子模型下优于LiRA。
响应性验证：预测会改变吗？改变多少？多久改变一次？
提出“响应性”度量，估计输入变化时模型输出改变的概率，提供算法与统计保证，支持安全可靠性验证。
面向LTL指令的多任务强化学习的语义标记自动机
提出语义标记自动机任务嵌入法，支持全LTL，高效计算并提取表达性嵌入，性能达SOTA且可扩展。
校正不可见之物：多模态推理器中感知蒸馏的信用分配
提出感知校正蒸馏，以下游失败与师生分歧的乘积为门控，强化感知蒸馏，提升多模态推理基准成绩。
弥合网络碎片化：面向无人机辅助车载自组网的语义增强深度强化学习框架
提出语义增强DRL，用大模型引导探索，训练效率提升71%，连通性提升约8%，能耗降低21%。
Edit2Restore：通过预训练编辑模型的参数高效适配实现少样本图像恢复
仅用32-128张样本微调LoRA，将预训练编辑模型转为强恢复器，统一适配器处理多种退化，超越百万数据基线。
隐式偏差与不变性：Hopfield网络如何高效学习图的轨道
Hopfield网络从轨道有限随机样本中训练，可指数级逼近不变全轨道解，样本复杂度与轨道大小无关，能高效记忆图轨道。
BUZZY：用对比评分缓解多模态选择题问答中的文本诱导偏差
提出无训练解码法BUZZY，通过减去纯文本分布增强视觉信号，提升多模态选择题准确率并降低28%延迟。
元认知瓶颈：日本谜语揭示推理AI中机器洞察与自我评估的根本局限
日本谜语基准显示：大模型推理远低于人类，且常生成正确答案却未采纳，暴露元认知瓶颈。
LatentAM：基于在线字典学习的实时大规模潜在高斯注意力建图
在线字典学习建图框架，免训练适配多种视觉语言模型，支持大规模场景，高保真重建，实时运行。
面向大规模高阶MIMO检测的学习式转换
提出L2T框架，以信道耦合Transformer和块自回归分解实现大规模高阶MIMO检测，采用残差到BER课程训练，并支持软输出迭代接收。
NEURON：面向可落地临床可解释性的神经符号系统
NEURON融合本体知识与大模型，提升心衰预测准确率，并生成自然语言解释，优于SHAP。
全局可解释性经由自动化预处理：受精神科问卷启发的框架
提出REFINE框架，解耦预处理与预测，用非线性预处理加线性映射，兼顾全局可解释性与非线性预测力，实验优于其他可解释方法。
基于神经网络的劳动力市场主体基模型参数估计
采用神经网络仿真推断估计劳动市场主体基模型参数，能恢复原参数，优于传统贝叶斯，效率更高。
从田间数据到全球粮食系统智能：可持续小麦生产的语义图框架
构建可持续小麦生产语义图框架，融合多源数据，支持农业知识查询与决策。
扩散偏好对齐中的潜在奖励寄存器
提出潜在奖励寄存器，用中间噪声估计偏好缓解信用分配，形成密集奖励场，支持蒸馏与采样引导，优于基线。
面向资源高效域迁移的摩擦增强漂移模型
提出摩擦增强漂移模型，用线性调度系数改进训练，显著提升域迁移质量，零额外参数，比最优流匹配快约29倍。
CFM-Bench: A Unified Multi-Domain, Multi-Task Benchmark for Channel Foundation Models
参数与带宽高效的边缘-云端多对多语音到文本翻译
提出隐私保护的边缘云语音翻译框架，参数与带宽高效，45语种性能最优，传输量降5至10倍。
对角状态空间模型在状态追踪中的表达极限
单层对角模型无法表达非阿贝尔状态追踪；k层等价于长度k阿贝尔因子次正规列；多层难学。
PEFT-MuTS：基于跨域时间序列表示模型的多变量参数高效微调剩余寿命预测框架
提出PEFT-MuTS，用跨域预训练时序模型做少样本剩余寿命预测，多变量融合和零初始回归，不足1%样本即超现有方法。
如何缓解越野环境中语义分割的分布偏移
提出ST-Seg，通过风格扩展和纹理正则化缓解越野语义分割的分布偏移，提升鲁棒性。
CarbonBench：基于零样本学习的碳通量升尺度全球基准
首个碳通量升尺度零样本空间迁移基准，含130万观测、567站点，评估跨植被气候泛化能力。
利用多任务全参考信号学习游戏无参考视频质量评估的感知表示
提出多任务学习框架，以全参考指标为监督，免标注学习感知特征，游戏视频无参考质量评估性能优异。
智能时代的新政策构想
OpenAI资助14个独立项目探索AI新政策，扩大经济机会，增强社会韧性。
@emollick：不到两年后，这是我通过完全在本地计算机上运行的开源权重AI视频生成器MiniMax H3，获得的一段水獭在飞机上使用笔记本电脑的视频（含声音）的质量。
不到两年，开源AI视频生成器MiniMax H3本地运行，3分钟生成带声音的水獭用笔记本视频，进展迅速。
@gdb：浏览器用的ChatGPT
ChatGPT用于浏览器操作的应用。
@elonmusk：是的
马斯克表示赞同。