基于层状联邦表示学习
提出层状联邦表示学习框架，用可学习限制映射对齐异构潜空间，无需共享全局空间，提升异构联邦分类精度与鲁棒性。
MAD-HOI：从文本生成关节手物交互的掩码自回归扩散
提出MAD-HOI，用掩码自回归扩散从文本生成手物交互，支持变长、复合、补全及终止预测，更逼真多样。
P3CA：通过空间探测对视觉基础模型嵌入进行编码器无关解读
提出P3CA，一种编码器无关的空间探测方法，估计局部主方向并投影，无需重训练即可解释视觉基础模型嵌入。
智能压实：基于湖仓表元数据预测压实效用
开源模拟框架生成2376张Iceberg表，用17个元数据特征预测文件缩减率（R2=0.998），发现压实决策仅需分区文件数阈值，跨模式验证有效，但压实可能拖慢全扫描聚合。
UniMoMo：基于专家合并的MoE加速方法，用于大型推荐模型
提出UniMoMo后训练压缩框架，按功能相似性合并专家并保护高流量专家，保持NDCG性能，获得1.28-1.63倍加速。
LEGO：分层语言高斯泼溅
LEGO实现开放词汇3D场景层次化理解，统一SAM粒度并构建语言场景图，支持空间推理，刷新SOTA。
DOCSCHISEL：面向LLM智能体的自适应工具文档优化框架
提出自适应工具文档优化框架，通过分析失败轨迹增删改字段，显著提升智能体任务成功率。
面向运动伪影感知的自监督表示学习用于三维脑MRI运动伪影消除
提出SSRL-MAR无配对自监督框架，三阶段学习减少三维脑MRI运动伪影，效果优于源监督模型。
FlowScout：从执行反馈到可靠的工具使用智能体工作流
提出FlowScout，从历史记录自动生成工具集成智能体工作流，以执行反馈调优，提升工具调用正确性和执行质量。
DoseBridge：用于肺部调强质子治疗剂量预测的去噪扩散桥模型
首个去噪扩散桥模型DoseBridge，融合CT与束流几何预测调强质子治疗剂量，性能优于现有模型。
人类视觉与计算机视觉
中心标记胜过训练网络；模型存在年龄、种族、意识形态偏差；提出按群体视线学习以覆盖所有人。
MedCalc-R1：面向医学数学推理的知识引导奖励框架
提出知识引导混合奖励框架，以公式验证与软硬约束提升医学数学推理准确性与泛化性。
从垃圾信息中寻找信号：成对比较中联合学习奖励与工人可靠性
提出EM算法联合学习奖励与工人可靠性，利用Polya-Gamma变量简化优化，理论有保证，实验验证抗垃圾和对抗工人。
Branch2Skill：通过推理树实现高效技能进化
Branch2Skill利用推理树生成密集监督，减少重复回放，显著提升技能进化效率。
更准确，却更不人性：视觉模型中的格式塔分组
测试45个视觉模型对格式塔分组的符合度，发现封闭模型虽准确但人性对齐低，提供无需新实验的评估标尺。
PluginEval：函数调用中细粒度错误归因的诊断基准
提出函数调用错误归因基准PluginEval，两阶段框架生成测试，结合真实执行与人工校验。
SkillReason：面向隐含用户请求的推理增强型智能体技能检索
提出技能推理基准与两阶段推理增强检索框架，在三个基准上均达最优，弥合任务目标与技能能力语义鸿沟。
预测与健康管理中的物理信息机器学习：系统文献综述
212项研究综述：物理信息机器学习分四类，性能更优但偏重电池轴承，未来需通用与在线部署。
脚手架比接口更重要：跨七种代理脚手架、五种语言模型与一项软件任务对MCP和CLI工具使用的受控比较
成本主要取决于代理脚手架而非接口；MCP并非必需，CLI更便宜，不同脚手架间成本差异巨大。
一种QUBO启发的机场陆侧瓶颈诊断与动态调度优化计算框架
提出QUBO启发式框架，诊断机场陆侧瓶颈并优化动态调度，强高峰下显著减少两机场旅客排队。
UserToolBench：工具使用大语言模型中用户画像隐藏的个性化决策基准
用户画像隐藏基准测试模型推断偏好、判断澄清、生成个性化工具调用；瓶颈仍为多工具协调、缺失约束推断与长期一致性。
EnergyBridge：家庭能源管理、用户参与及电网灵活性基准测试
提出EnergyBridge基准与智能体框架，模拟用户授权，提升电网灵活性响应的可靠性。
结构动力学图世界模型：统一建模、约束推演与可解释校准
提出SD-GWM结构动力学图世界模型，统一机制与残差，约束保真且可审计，极端事件下性能显著。
检测机器学习工程岗位简历中的软技能
300份简历LLM验证13假设：软技能叙事披露为关键词3倍；资历提升领导力；软件工程师领导力仅同级一半。
LLM智能体工厂：领域特定LLM智能体的检索
提出基于检索的智能体工厂，用超2万预设配置按需构建领域智能体，兼顾精度与低成本，优于非智能体基线，匹敌高成本生成。
相似性门控放行反转：代理系统中嵌入余弦阈值的有效性审计
嵌入余弦相似度门控在代理系统中常误判：放行语义反转，拒绝改写，平衡准确率中位仅0.525，简单修复无效，需匹配对审计。
冲突还是策略？法国新闻标题中不屈法国与国民联盟的不对称角色框架（2022—2025）
法媒标题对左右民粹政党呈现角色不对称：不屈法国多冲突框架，国民联盟多策略选举框架，且跨时间稳定。
审慎考量文化：运用文化共识理论分析单文化与多文化情境下的大语言模型对齐
用文化共识理论分析多国调查，发现大模型常错误表现文化结构，缺乏共识或过度规整；该理论可诊断其反映人类多样性还是算法同质化。
面向统一动态人脸关键点检测
提出人脸部位锚定关键点位置(FPALP)，统一各N点数据集；用动态查询解码器，单模型可预测任意数量关键点，性能优异。
安全强化学习的边界搜索策略梯度
提出边界搜索策略梯度法，无需对偶变量，沿边界提升奖励并收敛至约束边界，在安全导航任务中奖励更高。
思维链何时有益、何时有害：大语言模型推理中串行深度瓶颈的实证研究
思维链并非普遍提升推理：对高串行深度任务提升显著，对浅层任务冗余，仅起带宽旁路作用。
程序性公平失败：RLHF中的偏好平均问题
RLHF偏好聚合导致少数群体被系统性忽视，PA-RLHF分离偏好模式，使对齐准确率从46.9%升至67.9%，公平差距从15.9降至9.6个百分点。
基于多动作会计日志的中小企业财务指导观测策略排序
提出CAR-PL方法，从多动作会计日志中为中小企业财务指导排序；实验显示不同KPI各有最优策略，结果稳健。
冻结的脑MRI基础模型是站点指纹
冻结脑MRI基础模型嵌入主要编码采集站点（约0.9），非预训练所致；移除站点子空间会损害分割。
多语言量化税：边缘端小型语言模型中的结构性崩溃与类型学脆弱性
四比特量化使边缘端小模型多语言任务现结构性崩溃，低资源非拉丁语系尤甚，伴语言悖论与领域遗忘。
ChronoSSM：自回归状态空间模型中时间感知表征的训练
ChronoSSM联合建模事件与时间戳，使表征更含时间信息，且不损害内容生成质量。
SeFaR：深度神经网络的语义特征感知鲁棒性测试
提出SeFaR框架，用层次概念模型和扩散模型生成语义扰动，发现影响决策的未知特征，生成可解释的失败诱导概念。
SymDiag：通过神经符号验证实现大语言模型推理的可解释诊断
提出SymDiag框架，将推理验证转为结构化失败诊断，定位错误步骤并区分翻译/推理错误，提升不可信推理检测与修复效果。
评估协议决定结果：在TwoRoom上对LeWorldModel的独立复现
复现显示评估协议决定结果；四项未公开设置影响成败，预测精度不预示长程规划，批归一化虚增损失。
AquiLLM：支持研究组隐性知识捕获的架构
AquiLLM是开源模块化RAG-LLM框架，采用开放权重模型，通过本地嵌入、多模态、语义记忆等增强，支持科研组捕获隐性知识。
医疗IT的三代演进：从数字记录到可计算照护流程
以可计算信息单元划分医疗IT，定义第三代临床意图层及原子对象ACR，并给出可执行正确性评估框架。
REATS：基于LLM推理的自适应时间序列预测集成学习
提出REATS，用LLM推理生成可解释集成权重，融合文本与数值特征，优于基线。
Transformer中的位置编码：从绝对与相对方法到旋转位置嵌入及长上下文扩展
综述绝对/相对及RoPE等位置编码，分析长上下文扩展技术，强调需多任务评估验证泛化。
面向全模态大语言模型的基于局部音视频动态的延迟音频剪枝
A-PACK延迟音频剪枝至查询交互后，用局部音视频动态压缩视频并渐进剪枝音视频token，性能最优，预填充计算降78%，解码吞吐提2.21倍。
AI评估应衡量验证成本，而非仅正确性
提出验证成本错误概念，主张AI评估应衡量验证成本，因高准确率可能掩盖实际验证困难。
PROSLEX：面向印度司法系统的专家标注法律条文预测新数据集
提出PROSLEX数据集，含1623份专家标注法律文书及7450条解释，评估多种提示策略，推动可解释法律NLP研究。
SeFoRA：具有异构客户端秩的草图聚合联邦低秩自适应
提出SeFoRA：草图聚合联邦低秩更新，解决异构秩与双线性失配，O(1/T)收敛，超越现有方法。
使用模拟响应概率的多模态题目参数估计
微调多模态大语言模型重建MCM和3PL曲线，隐式捕捉学生响应概率，从而准确估计题目难度。
内在结构：机制可解释性的谱可辨识性
将字典学习置于可辨识性基础，用库普曼谱证得可从M个样本以M^{-1/2}速率恢复。谱是模型内在指纹，但非可读分解。
FitAQA：面向多模态大语言模型的健身动作质量评估基准
FitAQA含2219个视频、5512个问答，定义6维度38种错误，设感知、判断、时间定位三任务，揭示现有多模态大模型评估能力不足，视觉感知是关键瓶颈。