基于概念的任意场景注视目标估计
提出概念驱动的可提示注视目标估计任务，构建数据集Gaze-Co与模型GazeAnywhere，实现端到端估计并达到最优性能。
用于临床文本引导医学图像分割的双域跨模态解码
提出DD-CMD双域跨模态解码，结合空间注意与频谱调制，用于临床文本引导肺部感染分割，性能显著提升。
终端对称性作为决策资源：面向随时验证构建的状态级精化
提出终端对称性决策框架，以传输-精化-验证分解，状态级刷新提升随时验证构建性能并降低验证成本。
检测路由翻转比判断是否修复更容易：量化混合专家中的因果路由中介损伤
量化MoE中约31%损伤由路由翻转中介；检测翻转可行（AUC 0.772）但无法区分利弊，构成选择性修复的检测障碍。
为预训练语言模型加装循环深度：两种参数预算下的安装、外推、迁移与保持
预训练模型可加装循环深度，两预算下中间监督按步推理，外推1.5倍深度，性能超暂存训练，但存在灾难性干扰。
市场信息感知的门控LoRA基础模型用于可迁移的日前电价预测
提出基于Chronos-2的门控LoRA框架，利用多源市场信息接口实现跨市场迁移，在四个省级市场MAE/RMSE分别降低6.24%/7.99%，为数据稀缺市场提供有效路径。
视觉语言模型在水下图像重建系统评估中获胜
提出系统评估方法，从准确性、一致性、水参数效应评估水下重建；视觉语言模型显著优于物理模型。
COGENT：容积医学图像的反事实高斯解释
提出COGENT框架，在高斯参数空间进行反事实优化，为容积医学图像生成稀疏、局部且保持解剖一致的解释。
基于Forma的完整财务报表长期预测
提出Forma模型，以元组读取报表，预测未来1-20季度78科目，优于现有方法，满足会计恒等式，支持情景分析。
无权重微调：通过对数空间传输实现大模型个性化
提出免训练解码方法WFT，用对数空间修正模拟监督微调，无需改权重，平均性能最优，计算量不足7%。
TRACE Bench：任务驱动的角色扮演智能体清单评估
该框架将角色要求拆解为清单，用用户智能体对话驱动评估，评分可溯源至证据，覆盖率极高。
热带商业建筑暖通空调控制的情境质量-多样性进化强化学习
提出情境质量-多样性进化强化学习控制器，用于热带商业建筑暖通控制，优于ASHRAE指南36基准。
无标注手语表示学习用于跨数据集手语定位
利用广播新闻弱监督和伪标注，结合LLM规范化，提升跨数据集手语定位IoU至0.465，BLEU-4提升至11.04，证明松散对齐数据可有效学习手语表示。
从单体到模块化：段级自动提示优化
SAPO将提示分解为角色、上下文、任务和输出格式，基于优劣例段级优化，多个基准上取得最佳平均分。
迷失于压缩：评估上下文压缩下的附加约束损失
提出COMPINT评估套件，发现压缩仅保留约两成会话约束，新提取器可超九成保留。
LLMs在工艺流程图工程中的应用：从最优PFD到验证性P&ID
提出P&ID Pilot管道，混合遗传算法与LLM生成最优PFD，并用LLM代理转化为合规P&ID，实现全流程自动化。
MaSRead：复制潜在存储的内容寻址读取
内容寻址读取复制潜在存储，用标签和注意力掩码隔离干扰，图遍历支持多跳查询，解码只依赖片段长度。
更好、更快、更强：程序化技能学习最能降低智能体成本
程序化技能学习最能降低智能体成本；智能体通过分析过往轨迹即可习得技能，无需重放，兼顾降本与鲁棒性。
基于ODE的Transformer解码器用于迭代手语翻译
用龙格-库塔法改进迭代手语翻译的更新动力学，不增模型参数即提升BLEU，优于基线。
通过技能-执行框架演化的自进化具身智能体
SHAPER冻结模型参数，演化技能与代码框架，实现免训练的具身智能体自适应。
现实世界强化学习中离线超参数选择的动力学模型
首次在工业水处理厂用校准模型离线选超参数，生成真实滚动预测，揭示敏感趋势，证明现实世界RL部署可行。
AutoWorldModel-Bench：以状态为中心的自动化世界模型研究基准
提出以状态为中心的闭环基准，在8个游戏环境中让编码代理自主改进世界模型，91%的改进为研究式修改而非调参。
高斯元空间增强用于多模态IPMN风险分层中的堆叠集成
胰腺癌风险分层中，提出cUPMI方法增强堆叠集成，对高容量树模型效果稳定，融合影像组学与2.5D CNN达最佳预测性能。
群体对齐引发的谄媚行为：可引导多元对齐的双向评估
研究群体对齐带来的谄媚副作用，提出GAS框架，评估3方法4模型13群体，发现增益与偏移非均匀，需双向多维评估。
同步人机团队中的二阶心智信念
把偏好学习重新定义为人机协作问题，有知教师比学习者主导更高效，但教师模型漂移时二阶心智理解语句可修复优势。
收敛是否不可避免？将输出同质性追溯至基座模型
研究表明，语言模型输出同质性源于预训练阶段，对齐仅揭示或放大，非引入。
手部可见性检测器：逐关键点可见性估计
首次将手部关节可见性估计作为独立任务，利用预训练姿态模型提升精度，并用于多视角三角测量降误差。
学习说服揭示大语言模型多么容易放弃正确信念
一个虚假说服论据即可让LLM准确率近零；RL训练的说服者成功率超93%，可迁移攻击其他模型，暴露可信度策略漏洞。
三个Token迫使非负核注意力特征秩指数增长
三词元时，非负核注意力头需2^{Ω(m)}维特征，而稠密softmax仅需m维，差距指数级。
利用智能体记忆为材料科学家构建终身AI伙伴
提出以持久记忆为核心的自进化记忆框架，将科学经验存为事实与技能，显著提升任务成功率并减少错误与开销。
生命周期最优分词：词表大小作为随部署场景变化的基础设施参数
词表最优大小随部署场景变化：B=1时32k，B≥64时524k；质量差异<2%，生命周期最优可比训练最优大16倍。
基于边的连续p-中位问题及其与物流分区的关联
提出边连续p-中位问题，用两种模型分割道路网；最短路径约束法比割集法快达17倍，并揭示与物流分区的结构联系。
CT-ΔBench：面向视觉语言模型的纵向三维医学影像差异报告基准
提出CT-ΔBench基准，评估纵向CT影像差异报告，并设计变化感知指标与DeltaMed基线模型。
以梵高之眼：基于扩散模型的全局风格迁移
提出全局风格迁移（GST），多对一聚合艺术家作品，在扩散模型隐空间学习风格偏移，兼顾内容对齐，实现高保真风格化。
多智能体目标存在性验证与学习式掩膜几何细化：2026年第八届LSVOS挑战赛MeViS-Text赛道冠军报告
提出多智能体协同验证目标存在性，辅以风格细化掩膜，破解误导性无目标表达式，勇夺MeViS-Text赛道冠军。
PAIR：RLVR中面向自适应展开分配的成对感知包含重加权
PAIR以成对感知包含重加权校正自适应采样偏差，在RLVR中约省一半计算量并提升准确率（+1.2/+1.4）。
由矩阵谱分解导出的新型正交多小波滤波器
利用快速鲍尔法构造两种超紧支撑正交多小波，具正交与对称性，图像压缩去噪中SSIM等指标优于现有滤波器。
论CCSK中的弱互模拟
在CCSK可逆扩展中研究弱互模拟，提出方向性与混合两种变体，证明混合互模拟为同余并能完全抽象τ动作。
面向长时程PDE预测的几何感知增量神经算子
提出几何感知增量神经算子，用低秩投影调控频谱耦合，均值波动解耦重建以稳定长时程PDE预测并保谱
Unmasking Toxic Mimicry in Medical Offline Reinforcement Learning for ICU Sepsis Management via Counterfactual Clinical Audits
生成式语义分割：可观测语义-图像接口与层次化生成器证据对齐
提出语义棱镜框架，用单步生成渲染语义图，结合类颜色码本与层次特征对齐，Cityscapes达72.07% mIoU，并改进像素误差排序。
面向区域供热系统数据的多元离群值检测方法探究
测试多种多元离群值检测法，结合环境温度，最终采用PCA、孤立森林与霍特林三者一致的集成方法。
LinearKV：混合大语言模型中位置无关缓存只需单一缓存状态
混合LLM中，单一缓存状态作线性层初始化即可，无需精确组合所有状态，更省时且质量相当，兼容现有PIC方法。
从合成到去除：基于物理的反射模拟与扩散视频去反射
提出闭环框架，物理模拟反射视频数据，训练扩散模型单步去反射，并建立首个基准，性能领先且推理更快。
DonorRank：低资源跨语言语音识别中的供体语言选择
提出DonorRank排序框架，预测零样本语音识别的有效供体语言，优于遗传相似度等启发式，并揭示供体组合影响迁移线索。
用强化学习削减AI数据中心能耗：从单GPU到集群的大模型训练实测功率控制
强化学习控制大模型训练功率，实测违规减89.8%、能耗降26.2%，72B有效，16-GPU集群可行，可超订约2倍。
超越单轮置信度：面向LLM智能体的轨迹自适应不确定性量化
单轮不确定性量化用于多轮智能体轨迹效果不均；自一致性最佳，轨迹等价变体最优，令牌概率对聚合器敏感。
联邦聚合在模型投毒与后门攻击下的分析：跨数据集与跨架构基准重构
重构500格基准，评估5种聚合方法；Trimmed Mean干净准确率最高，Krum抗攻击最优；排名稳定；指标审计揭示触发目标标签率；结果仅为描述性比较。
InfraBench：跨层级、生命周期和风险的基础设施智能体评测
InfraBench评测AI智能体管理基础设施，覆盖全栈与生命周期风险。最强配置得分40%-88%，常留非持久变更等隐患，基准已开源。
Reddit上网络性暴力叙事中的污名与支持
研究Reddit性暴力叙事，构建SCOPE数据集，发现内化污名最常见，社区回应以信息和尊重支持为主。