Aura · 时间线

HUGIN：增强自主物流分拣的视觉语言规划

提出一种增强视觉语言规划的训练框架，结合数据增强与全局上下文排名，使自主物流分拣准确率升至78.8%。

基于贝叶斯更新的概率分布比例类比

提出基于贝叶斯更新的概率分布比例类比框架，适用于指数族，并通过高斯混合近似推广至任意分布。

自动驾驶中渐进式GNSS欺骗检测的高阶液态证据编码

提出高阶液态证据编码，结合物理残差与高阶变化分层检测渐进式欺骗，F1最高0.9777。

结构性沉默：当AI基础设施使少数语言使用者失语

以孟加拉语为例揭示AI基础设施四重结构性失败即网络数据缺口令牌赤字分词惩罚连接排斥主张离线优先

Seed2GS：基于单参考视图定位的3D高斯场景免相机免训练目标提取

Seed2GS免相机免训练，基于单参考视图从3DGS场景提取目标，mIoU达92.1%，计算延迟仅9.3秒。

使大语言模型更客观：利用特质不变安全调优稳定跨特质的安全行为

提出特质不变安全调优，稳定大模型跨特质安全行为，增强拒答有害请求，保持通用能力。

Harness-IF: Evaluating Instruction Following Across Instruction Surfaces in Coding Agents

基于结构化说话人条件的Whisper鲁棒多层级婴儿中心音频理解

基于Whisper的多层级婴儿音频识别器利用说话人感知与因子化令牌提升跨家庭鲁棒性实现全天候录音标注

几内亚比绍腰果园遥感检测：基于卫星影像与主动学习的方法

利用哨兵二号影像和主动学习，实现几内亚比绍全国腰果园自动检测，平衡准确率达94%。

弱监督视频异常检测中帧级AUC的审计：粒度、分辨率与场景偏差

帧级AUC池化评估掩盖视频内定位差异，分辨率不足，且存在场景偏差。

SurfSVR：二维表面先验作为三维几何正则项用于稀疏体素重建

将二维表面先验作为三维几何正则项，通过区域化曲面建模引导稀疏体素重建，抑制碎片化与浮空伪影，提升质量。

基于LSTM和注意力机制的空气质量站点模拟

提出SATADL模型（LSTM+注意力），模拟故障站PM10浓度至48小时，多数据集上优于基准，可作虚拟代理站。

智能体技能可能有害：LLM智能体中技能引发失败的实证研究

研究表明智能体技能可能引发失败：相关技能致功能错误，过长流程致效率下降，需谨慎复用并改进归因工具。

睡眠智能体：要点式上下文压缩的损失与原因

要点压缩提升多跳/单跳事实问题，但损害时间问题；因丢弃日期时间，提示修改可恢复。

JAPE：多变量时间序列中的联合异常预测与内在解释

提出JAPE框架，建模演化依赖结构预测多元时间序列异常，原生变量级解释，性能显著提升。

图结构评分标准：将评分标准编译为类型化评估图以用于LLM评判

提出图结构评分标准(GSR)，编译为类型化评估图，分别评估后聚合，提升LLM评判准确率。

OEIS开放：语言模型能将多少猜想转化为定理？

构建OEIS Open基准，通用LM以50美元预算解决30%开放猜想，200美元下最优44%，表明可低成本自主证明。

ExRole：从团队轨迹到多智能体语言模型中的可执行角色

ExRole将团队轨迹转化为可执行角色：学习未来感知原型，生成指令与标记，在多跳问答上显著超越基线。

可扩展多输出高斯过程回归的因子图方法

因子图实现可扩展多输出高斯过程回归：最近邻链排序使消息传递精确且线性，支持缺失数据，低维逼近精确核法。

RT-SEMamba：渐进知识蒸馏驱动的实时语音增强Mamba

基于Mamba的实时增强，渐进蒸馏压缩模型，PESQ 3.18，提速2.75倍

量化治疗性大语言模型中临床安全性与环境影响的关联

临床安全分数提升二点六一个百分点，能耗约增六十倍；增加算力未必改善安全，宜动态选模。

LoSA：面向免训练视频扩散加速的近无损稀疏注意力

提出LoSA近无损稀疏注意力，固定99%注意力质量阈值，早期测量索引复用，达3.2倍加速且性能几乎无损。

从测试时扩展的视角理解在线策略蒸馏

在线策略蒸馏看似扩展能力，实则主要提升采样效率，是一种“幻觉式蒸馏”。

先画这个

反转典型草图生成，预测二维场定义绘制顺序，从文本或图像生成有序矢量草图。

定量MRI映射中扩散模型不确定性的评估与校准

扩散模型不确定性有助于评估定量磁共振成像误差并支持选择性预测，但需校准才能进行定量区间解读。

多输入多输出算子学习的核方法

提出多输入多输出算子学习的核方法框架，闭式训练推理，收敛率受限于最难子问题，高效且精度高。

策略即逻辑：对规则进行稳健推理

策略即逻辑：语言模型抽事实+答案集求解器推理，较提示/编码法更准、省10倍token，稳健可审计。

基于双层极小极大优化的高效可靠迁移攻击学习

提出BMAT双层极小极大迁移攻击法，耦合初始化与替代模型，提升效率可靠性，分类分割任务超越强基线。

中国原产视觉语言模型如何在国家对齐中从拒绝转向重构

中国原产视觉语言模型在中文提示下更易将拒绝转为国家对齐重构，审查从显性拒绝变为隐性重构。

面向高效测试时推理的声明级可靠性评估

提出声明级证伪原则，将测试时计算从采样转向验证，压缩错误空间，提升推理准确率并减少令牌消耗。

临床部署还有多远？评估医学影像中完整无监督域适应流程

评估完整无监督域适应：无标签目标域选择难，验证器有差距；集成和少量标注可缩小但未消除。

ToolHazard：面向LLM智能体安全评估与对齐的可扩展对抗环境

提出ToolHazard可扩展对抗环境合成框架，自动生成攻击与基准，揭示LLM代理漏洞，提升安全对齐。

面向光电晶体管增益的正向与逆向虚拟计量：一种针对小批量生产数据集的分层、不确定性感知方法

针对小样本分层制造数据，提出光电晶体管增益的正向预测与逆向配方搜索，并评估数据质量。

预测函数而非特征：基于函数空间联合嵌入预测学习的KAN医学图像分割

提出函数空间联合嵌入预测学习(FS-JEPA)，在KAN聚合前预测边缘函数，提升医学图像分割，平均Dice最佳。

通过定位去偏：弱监督空间异常检测的补丁级基准与基线

提出稀疏时空框架，动态聚焦异常区域抑制背景偏见，并发布补丁级空间标注与评估协议，可审计的弱监督空间异常检测。

勿忘显而易见——RISC：面向安全自动驾驶的风险知情切片覆盖协议

提出RISC协议，风险引导压力测试与覆盖评估，关键失效发现率从34%升至98.5%。

重试、切换还是放弃？通过受控错误注入学习策略感知的工具使用策略

通过受控错误注入，结合工具记忆与强化学习，提升LLM智能体在工具失败时的恢复能力，保持正常性能。

CTBench：评估AI代理在真实电信网络运维中的故障排查能力

CTBench评估AI代理电信运维排障，聚焦根因分析与路径恢复；结果显示根因分析欠佳，且缺证据支撑。

小规模实验：我们做到了吗？

小规模实验未失效，超参数调优是关键；随规模增大敏感性降低，结合整体方法可从小模型推出大模型结论。

Mechanist：以AI为科学仪器，探索智能机制

自动发现AI智能机制的智能体系统，优于现有方法，并应用于风险揭示与模型改进。

解析RoPE的表达能力

周期性RoPE可识别带模谓词的过去时序语言；常规RoPE仅提供有界局部偏移，且损害位置不变的长程访问。

MuseCritic：通过自然语言美学评论学习多维度歌曲奖励

MuseCritic用自然语言评论预测多维度歌曲奖励，降低评分误差，提升生成模型对齐效果。

DexterSQL：深度模式探索与规则修正的Text-to-SQL生成

深度模式探索+数据库无关规则+多路径生成提升文本到SQL准确率，最优72.2%。

DCM老虎机：面向多次点击的多智能体信息不对称级联老虎机

将DCM老虎机扩至多智能体多次点击信息不对称场景，研究动作与奖励不对称，给出亚线性遗憾界，实验验证算法有效。

改善K-12教育中AI辅导质量的方法

AI辅导依赖大模型，需通过模型、提示、个性化等实验改进，提升质量与学生参与度。

可解释性实践：跨领域可解释NLP综述

综述七领域可解释NLP，对比方法，提出双层评估协议，指出忠实性差距与人类判断作用，展望个性化与机制可解释性。

模型排名取决于推理预算：LLM评估中的预算依赖排序

模型排名随生成预算变化，3-19%样本非单调，排名可反转；建议采用预算条件化评估协议。

GUIDE：企业环境中文档到工件生成的受治理统一智能

GUIDE多代理框架实现企业文档自动化，成功率达96%，规则提取与工件生成高效，处理时间从数天降至40-125分钟。

基于遥感和机器学习的孟加拉国达卡地区土地利用与植被变化分析

达卡2019—2024年城市建成区增59.5%，植被与水体分别降8.46%和7.77%，随机森林分类精度最高。