从多模态伪标签中学习以实现稳健的开放词汇实例与全景分割
提出多模态伪标签框架，结合CLIP和GPT增强视觉-文本对齐，显著提升开放词汇实例与全景分割性能。
完全回忆，代价几何？——Agentic记忆系统服务成本基准测试
比较三种记忆系统，发现其服务成本难由对话长度预测，盈亏平衡敏感，且成本与准确性难以兼得。
STAR: 面向可泛化三维场景理解的空间-拓扑感知路由框架
提出空间-拓扑感知路由框架STAR，结合自监督预训练与动态专家分配，解决跨传感器拓扑差异，提升室内外3D场景理解性能。
基于非对称RoBoSS损失函数的稀疏鲁棒几何孪生支持向量机
提出基于非对称RoBoSS损失的几何孪生SVM，结合l1范数实现特征选择并抑制噪声，实验验证优越性。
因果结构可诱导但功能解耦：类型化机制库的路由/读出边界
因果结构可诱导但功能解耦：类型监督诱导槽组织，仅影响路由，不影响读出，零成本且可逆。
前沿大语言模型能否匹敌原生多模态嵌入？——基于困难负样本图文检索的比较
首个直接比较显示，LLM排名与多模态嵌入相当，嵌入更适低延迟。
概览、审视与思考：推进视频异常检测从免训练到智能体推理
针对视频异常检测的“何时-何因”割裂，提出免训练GtS与工具增强智能体方法，构建了VAGU-T基准和联合评估指标，兼顾精度与速度。
局部验证无法检测不可迁移性：智能体推理中上下文保持的上同调理论
局部验证无法检测不可迁移性：上同调显示谐波分量致有效路径不一致，需循环基统计量检测。
当离线评估误导时：延迟反馈上下文老虎机中奖励与策略选择的诊断协议
提出延迟反馈上下文老虎机诊断协议，筛对齐与可学习性；发现静态指标会错排奖励，个性化溢价易高估。
LazyTrain：面向大语言模型训练零浪费收益优化的有限资源分配
LazyTrain通过混合8位优化器和混合整数调度，提升有限资源下大模型训练吞吐1.24倍。
Dion3：全栈正交更新
Dion3改进Muon优化器，用格拉姆牛顿-舒尔茨、CuteDSL内核、兆批处理及行选择更新，降开销提速达6倍且不损精度。
FM-LLM：频率增强的混合专家框架，用于将LLM适配时间序列预测
提出FM-LLM：无提示词频率感知混合专家适配LLM，11基准达SOTA，MSE/MAE显著提升
Apodex Discovery：评估与构建发现型人工智能的现实基准与环境
提出发现型AI框架Apodex，含问题扫描、环境抽象和HDS6评估，在AAV设计与药物重定位中超越现有水平，推动AI评估迈向可验证的发现研究。
推进MLLM无人机图像理解与推理：基准与免训练多智能体系统
构建UAVQA-Bench基准，提出免训练多智能体系统UAV-MAS，32B模型准确率77.0%，超Gemini 3 Pro达4%，8B版提升8.7%。
多维随机场条件分布重建的局部Sinkhorn框架
提出局部Sinkhorn散度框架重建多维随机场条件分布，高效训练随机神经网络，平衡几何保真与计算效率。
部署决策可靠性：用于长周期智能体评估规模设计的概化理论框架
智能体主效应<3%，交互效应占7-23%，排行榜反映专长而非能力，需用概化理论框架评估部署可靠性。
基于GRPO的财务建议生成：在CATE评估下超越商业LLM
用GRPO优化开源模型生成财务建议，因果审计显示其毛利提升约为商业基线两倍，下行风险最低。
FLARE++：动态路由的低秩注意力
FLARE++提出动态路由低秩注意力，用输入条件查询替代固定查询，保持线性复杂度，提升PDE代理与LRA精度。
数字孪生车联网中的分层联邦迁移学习
针对数字孪生车联网数据异构稀疏问题，提出分层联邦迁移学习，结合车辆聚类与质量评分提升全局模型精度。
基于模型-特征空间一致性的鲁棒模糊检测（RAD）
提出RAD框架，利用模型与特征空间一致性量化预测模糊性，可视化并用于弃权预测。
从数字到判断：面向欧洲上市房地产的专家LLM智能体与强化学习
拆分提示提升数值任务15.8%，强化学习提升判断任务14.2%，均有效迁移至未见数据。
解字：大规模专家审核的古文字训诂数据集与基准
构建古文字训诂VQA数据集及基准，含50万问答对；现有模型在字形、语义、历时分析上不足，微调后全面提升。
认证客户返回时间预测中何者有效：条件信号的筛选-确认检验，及为何衰减近乎足够
提出筛选-确认检验认证信号有效性，证实连续时间衰减近乎足够，额外条件信号冗余或有害。
中文标题：用于内容推荐的逆向心智理论建模：从网页浏览到动态智能界面
中文摘要：提出逆向心智理论IToM流水线，从行为反推信念人格，多假设溯因优于真值，跨模态验证。
商业猪舍环境中边界增强的猪只点云分割
提出边界增强猪点云分割法，用八叉树变换器融合多尺度特征，软距离监督加双向跨边界语义模块缓解粘连，提升精度。
EGM-Det：面向无人机RGB-IR目标检测的熵引导多模态自适应融合
熵引导自适应融合EGM-Det，门控+蒸馏助RGB-IR检测，三基准SOTA，VEDAI涨超10%
语言条件反量化：恢复量化从非英语语言中夺走的信息
语言条件反量化(LCD)用每语言LoRA修正，恢复非英语70-83%困惑度差和17-28%准确率差。
LiveAnimate：实时稳定的长时流式人体动画
实时流式人体动画系统，基于140亿视频扩散模型，检索式缓存，双卡19.63 FPS，三分钟质量稳定。
中文标题：SAG：基于SQL检索增强生成与查询时动态超边
中文摘要：提出SAG架构，用事件-实体索引替代知识图谱，查询时以共享实体动态连边。在三个多跳问答数据集上均达最优，MuSiQue上Recall@5达80.36%。
LODESTAR：可信熵是被引导的，而非仅被测量的——强化极化器使冻结的大语言模型不被错误证据自信误导
检索增强问答中，最低熵选答案会因误导性段落而自信犯错。LODESTAR用强化学习训练固定提示串，引导冻结模型少读误导段落，F1从0.5148升至0.5339，优于十四种现有配置。
定位安全对齐：MLP层与网络中段编码大语言模型的拒绝行为
拒绝行为主要编码于MLP权重及中层区块，且成分组合非加性，呈局部化与交互敏感性。
社会思维链：基于医学鉴别诊断方法的多智能体架构
提出SCoT多智能体架构，模拟专家协作鉴别诊断，在复杂病例中优于单体推理，提升召回率。
基于多传感器数据与稀疏野外校准的可迁移地上生物量估算模型
提出多传感器数据与稀疏野外校准的可迁移AGB估算模型，全局CNN训练后局部校准，R²达0.82，RMSE约15 Mg/ha。
CoAdapt-GUI：面向未知GUI应用的联合工作流上下文与策略自适应
CoAdapt-GUI通过测试时自适应，联合调整工作流上下文与策略，在未见应用中达45.0%准确率，较基线提升7.5个百分点。
低交互秩学习：统一乘性双编码器头
提出低交互秩理论统一乘性双编码器架构，解析逼近误差与样本复杂度，证明归一化为规范固定，白化可识别交互模式。
榛子X射线图像自动二分类：质量评估的深度学习基准
榛子X光图像二分类基准：最优集成模型平衡精度86.3%；多划分评估与标签精修对小型不平衡数据至关重要。
视觉模型能否读懂雷达显示屏？——雷达图像用于空中交通复杂度估计的可行性研究
视觉变换器可从雷达图像回归交通复杂度，准确率高，且扰动响应与飞机贡献一致，证明雷达图像可行。
SLMs可信度基准测试：预训练模型vs压缩模型
量化优于剪枝，压缩可靠大模型比从头训练更可信，蒸馏可进一步增强。
用于合成约束多目标先导化合物优化的模块化智能体框架
SABLE利用LLM与贝叶斯优化，在合成约束下多目标优化先导化合物，模块化架构可灵活替换工具。
MBA：面向真实世界商业构思的多模态基准与智能体
首个商业构思多模态基准，六领域三万样本，所训智能体在创意与可行性等指标大幅超越基线。
从在线用户反馈中学习购物智能体
提出LOFA框架，利用真实在线交互日志，结合强化学习与反馈感知蒸馏，提升购物智能体推荐质量与用户满意度。
UniSwap：说话视频的流式音视频身份替换
首个流式音视频身份替换框架，用统一扩散变换器同步换脸换声，保留内容动态，支持长视频稳定生成。
无标签策略下准确率与顺序敏感性表现分化
无标签策略无法稳定提升多选题准确率；仅展示全部选项加大模型匹配才持平基线，消除位置偏差无增益。
GCPO：诊断并约束大语言模型 rollout 强化学习中的子空间几何
提出GCPO方法，用正交投影约束更新子空间，防止性能退化，在推理、代码等任务上优于GRPO，并消除长度膨胀。
移动智能体评估的LLM评判员基准测试
提出移动智能体评判基准，评估多种评判方法，简单截图基线胜于专门方法，骨干模型是关键，基准可预测实际效用。
预见而不视：世界动作模型的潜在未来
提出ForeWAM，利用Future-KV复用键值状态，使直接策略模型无需生成未来视频即可为动作生成提供预测上下文，在LIBERO上成功率超96%。
面向孟加拉语区域方言的多方言神经机器翻译系统
构建12种孟加拉方言平行语料，微调BanglaT5达最优（BLEU 29.26），超越NLLB和mBART，并部署量化应用。
从提示到行为对齐：用于推荐评估的个性化LLM裁判
行为对齐框架微调LLM，消除双向合理化，宏F1提升32.19%，媲美生产基线，免人工管道。
FunnelCausalNet：面向多层级优惠券分配的漏斗感知转化-收入联合提升模型
提出FunnelCausalNet，耦合转化与条件价值实现GMV分解，经RCT验证与消融实验，在零膨胀场景显著降低GMV误差，并优化多层级优惠券分配的ROI。
选择性问答的渐近风险校准
提出A-CRC-QA校准框架，对不确定性感知的选择性问答实现渐近风险控制，无需训练且模型无关。