措辞效应：量化大语言模型基准性能中的双向漂移
重述问题会双向改变模型答案；越强的模型损失越多，脆弱性源于措辞本身。
通过查询覆盖与声明可验证性实现查询无关的RAG评估
提出Q-CARE框架，无需参考答案，基于查询覆盖与声明可验证性细粒度评估RAG，相关性优于现有指标。
面向在线教育的可持续学习：一种强化学习方法
提出强化学习模型AI-Tutor，平衡新知与复习并维持动力，基于33700名学习者2300万条记录，优于基线。
BEST-KAG：基于多模态知识图谱建模与大语言模型的建筑工程标准问答增强
提出BEST-KAG框架，融合多模态知识图谱与LLM，实现建筑工程标准可追溯问答，最高提升74%。
当API说错语言：重新审视多语言工具使用的后训练
多语言API调用中，模型常生成语言不一致的参数值（ALM）。微调可大幅提升一致性，效果不逊于强化学习；后者仅在泛化与多目标权衡上有边际增益。
AutoGrable：什么样的图对表才是好图？
无需训练图神经网络，用行划分对齐标签选择列构图；可低成本搜索候选图，也能在无益时拒绝建图。
Hybrid-LUT：通道感知的混合查找表与滤波实现高效图像去噪
提出Hybrid-LUT，Y通道用LUT恢复纹理，UV通道滤波保持色彩；存储降2/3，421KB达最优，真实数据CPSNR提升0.63dB。
定位与控制大型语言模型中的隐式个性化
研究表明LLM输出随隐性人口线索变化，对应内部激活信号可定位并干预，抑制其影响优于提示词。
让它煮：在序列决策中学习等待
训练等待策略，减少感知决策但不牺牲任务表现，采用字典序强化学习，实验可等待过半时长。
语义莱尼亚：大型语言模型语义空间中稳态孤子的涌现
将大模型推理变为连续动态系统，通过稳态反馈涌现语义孤子，维持混沌边缘，实现溯因跳跃并建立认知标度律。
支撑外障碍：为何语义安全约束不是学习问题不变量，以及这对先验设计、收容与验证的启示
语义安全约束是分布外对象，非学习不变量；应置于外部硬约束，形式验证可局部证成，自指场景仍难。
你会投给谁？审计大语言模型的政治倾向：意大利案例研究
提出可复现的审计框架，分析多个LLM对意大利政党及领导人的评价，发现其行为受提示词和角色设定影响，且存在不一致性。
大型语言模型中的从众缓解措施位于单一“抵抗-接受”边界上
研究发现大模型从众缓解措施均落在单一抵抗-接受边界，除推理外，增强抵抗必损接受，唯有推理能同时提升两者。
基于分层引用的生成式视频压缩
提出分层引用生成式视频压缩GVCHR，利用分层参考与注意力减少伪影，显著提升压缩效率和视觉质量。
ProtoHGF-Net：面向RGBT目标检测的原型超图融合与模态内校准
提出原型超图融合网络，结合教师掩码校准抑制背景干扰，在多个数据集上取得最优性能。
涟漪枢轴搜索：扩散大语言模型的主动并行解码
提出无训练解码法RPS，利用涟漪效应加速并行解码，速度提升4-10倍，结合KV缓存达18倍，精度最高提升5.49%。
基于模型重编程的图神经网络模型提取防御
提出图重编程保护框架，以结构感知门控构建动态防火墙，保持正常性能并显著削弱模型窃取攻击。
用于蚊媒疾病检测的视觉Transformer与门控循环单元混合框架
ViT+ConvGRU框架用于蚊媒疾病检测，准确率88.88%，优于RNN/LSTM/GRU。
用于噪声标签聚合的对偶-原始图变分自编码器
提出对偶-原始图变分自编码器，以图注意力聚合噪声标签，潜变量为真值，无监督达最优，可扩展辅助信息。
AgonAlpha：通过提示经济与可扩展智能体搜索实现自主Alpha发现
AgonAlpha自主Alpha发现，融合工件搜索、对抗审查与预算分配，在BRAIN上表现优异。
EvoGraph-Mem：面向长期语言代理的故障感知可编辑图记忆
提出故障感知的可编辑图记忆框架，跟踪证据与激活状态，动态更新记忆图，提升长期语言代理性能。
XGBoost“就是一切”：区域供热系统传输热能预测案例
比较XGBoost与LSTM预测区域供热热能，XGBoost更优且计算成本低、碳足迹小。
通过广义Lipschitz光滑性保证神经网络梯度下降的收敛性
证明一般前馈神经网络梯度下降收敛：仅需激活函数利普希茨光滑有界，最小梯度范数以O(1/T^{1/L})速率趋于零。
面向可组合非结构化知识编辑的混合策略自编辑
HPSE以混合策略自编辑，在自身轨迹补全缺失事实，无需外部监督，提升非结构化知识编辑的可组合性与多跳推理。
物理感知潜空间代理模型的变分参数校准
提出物理感知潜空间代理框架，实现降阶建模与变分参数校准，观测监督提升潜变量质量，对噪声和部分观测鲁棒。
HyperFix：任务向量合并的组合非线性校正
HyperFix用轻量超网络预测子集条件的非线性校正，泛化至更大子集，免逐子集调参，性能超越现有方法。
RecSys工厂：将LLM智能体自主性约束于工业推荐生命周期决策点
将LLM自主性约束于决策点，化解自主-确定性-效率三难，腾讯78天三业务线部署，调度成功率78.6%。
驾驶世界模型如何进行反事实预测？
驾驶世界模型做反事实预测时，直接动作条件预测未利用事实延续导致失败；简单免训练方法可显著提升效果。
迈向具身智能体的操控框架
提出一种具身智能体框架，用场景图与退出码评价连接物理世界，令其借工具组合完成长程任务。
Easper：易用的语言记录ASR流水线
Easper是开源免代码ASR微调工作流。经三种瓦努阿图语测试，优先转录词汇丰富叙述并增加语音重复，可更快提升转录质量。
面向手术器械实例分割的拓扑感知查询选择
拓扑感知查询选择将手术器械实例分割视为关系型集合问题，源域F1提升、失败率降低，跨域迁移不稳定。
CAM引导的显著性裁剪与基于图像的恶意软件分类
测试HiResCAM引导裁剪，对比随机、高低显著性裁剪，发现恶意软件图像裁剪无效，自然图像低显著性裁剪略有效。
RelShap：关系一致性Shapley解释
提出RelShap，将关系约束与数据血缘纳入Shapley值计算，仅评估合法配置，兼容现有估计器，利用函数依赖加速，解释更忠实于数据。
KANResDiff：通过Kolmogorov-Arnold网络学习局部残差扩散用于模糊医学图像分割
提出KANResDiff，用KAN学习局部残差扩散，分阶段建模模糊性，指标SOTA。
超越参数空间的PAC-Bayes：行为等价性、Z信息与精确复杂度分解
经典PAC-Bayes复杂度可精确分解为行为选择项与实现级项，后者对应Z信息，且行为项有最优代表，预测行为是复杂度核心。
LabelFusion-TS：融合大型语言模型、Transformer编码器与金融时间序列的货币政策立场分类
融合金融时间序列与文本，美联储鹰鸽分类F1=70.2%，仅240个人工标注胜零样本LLM，证明有效。
隐身斗篷：实时隐私保护的体积视频流
针对体积视频流隐私泄露，提出隐形流，用目标检测与深度掩码，跨视图传播决策，仅融合净化点云，实时隐私保护。
AI艺术检测器在生成器变化下的鲁棒性
人工智能艺术检测器在生成器变化下泛化不足，常将新图像误判为人类，CLIP模型效果最佳，但差距显著，需分层防御。
TELLME：语言模型增强的测试增强学习
提出TELLME方法，结合测试增强学习与持续预训练，高效获取领域知识并增强长期记忆，金融领域提升23.6%，记忆提升9.8%。
用于Cx-N2二元混合物气液平衡预测的符号机器学习
提出符号机器学习方法，为PR状态方程添加可解释符号修正，提高烃-氮混合物气液平衡预测精度。
当自洽性适得其反：多数投票损害小型LLM在多数硬科学问题上的表现
多数投票在硬科学问题上降低小型LLM准确率，因置信度不反映正确性，预注册实验证实。
已定位但不可释放：静默门反转与有界线性释放
定位成功，但门控在分布外反转失效，线性释放有界不足，二者可分离。
自适应混合粒子群优化与梯度下降
提出自适应混合PSO，用S形函数按多样性自动调节梯度影响，无需手动切换。在平滑局部盆地问题上优于PSO，总体排名领先。
混合门控注意力
提出混合门控注意力框架，含三种门控策略，融合多阶段信息，增强表示、提升效率与稳定性，性能优于门控注意力。
诊断先于恢复：将智能体故障转化为选择性自我纠正
用开发集故障预筛修复干预，按故障类型选择纠正策略，减少环境步骤，提升任务性能。
运动即提示：利用运动引导的跨帧视觉提示增强多模态大语言模型的运动推理
提出运动即提示框架，跨帧轨迹标记增强运动推理，无需训练，两基准分别提升4.2%与8.9%
Zero-OVCD：桥接免训练基础模型与伪标签学习的开放词汇变化检测
提出Zero-OVCD两阶段框架，无需像素级标注，结合掩膜细化与噪声抑制生成伪标签，训练检测器，显著提升开放词汇变化检测精度。
让每一步都算数：成像逆问题的时空信息分配
提出频谱自适应调度与测量优先注意力，无需训练平衡时空信息分配，提升图像复原质量。
RECAST：粗网格偏微分方程求解器的机器学习校正与超分辨率框架
RECAST机器学习框架校正并超分辨率重建粗网格PDE解，误差降50%-92%，精度兼备提速。
知识库成为黄金标准：实体级机器翻译中资源共享评估循环的测量
用知识库当金标准致评估自我参照，独立段仅31.1%增益归零，弱模型虚高。