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。
TRACE-GS：面向稀疏视图3DGS恢复的带特权几何条件的同策略轨迹蒸馏
用特权几何做在线轨迹蒸馏，教师沿学生采样轨迹监督，解决稀疏视图三维高斯恢复的推理失配，仅留学生模型，性能提升。
提升多模态RLVR的泛化鲁棒性
提出PIRL，用动态三元奖励和一致性正则化，解决RLVR对提示变化脆弱，提升泛化鲁棒性。
首届教学怪兽挑战赛结果：AI智能体教学内容知识的基准
教学怪兽挑战赛基准揭示：AI视频教学内容强、适配学习者弱，自动评分对顶尖排序失真，需双改进。
从预测到增量效应：大规模定向与推荐中的因果优化
提出因果优化框架：因果网络、贝叶斯波段与线性规划协同，LinkedIn测试长期价值提升7.2%
解析器早已知道：约束解码中的轻量级偏差校正
利用解析器状态进行轻量级对数几率校正，恢复掩码扭曲的分布，无需重采样，兼顾质量与效率。
从检测到理解：面向多任务交通异常推理的TAR与TAR-Bench
提出交通异常推理数据集TAR与测试集TAR-Bench，含4.4万思维链标注，多任务微调提升21.4分。
ELMER：探索与精炼的进化语言模型
提出进化语言模型，以自然语言描述策略并编译执行，通过变异强度条件微调提升搜索效率与行为校准。
MRIComp4Flow：用于训练多模态生成模型的3D脑MRI压缩
JPEG2000压缩可有效训练3D脑MRI生成模型，20:1压缩比下合成质量与未压缩相当。
从量表到对话：用小型语言模型低负担获取每日经前症状评级
小模型用3个症状簇问题替代6项量表，kappa达0.913，问题减半。
PERCEPT：波斯-英语语码混合的词性标注与分析语料库
首个波斯-英语语码混合语料库PERCEPT，含UD词性标注，分析显示名词为主，平台间词类及触发效应有差异。
空间思维链：面向视觉语言模型的模态无关空间接地
提出空间令牌框架，蒸馏3D几何与物体属性为连续令牌，无需额外模块提升VLM空间推理，可解释。
UniMod：通过跨模态与模态内对齐增强多模态医学诊断
UniMod通过跨模态与模态内对齐，强制各模态独立提取诊断特征，缓解捷径学习，提升多模态诊断精度。
ENCORE：用于低剂量CT去噪的高效噪声上下文感知表示
提出高效噪声上下文感知框架基于真实噪声分布自适应卷积提升低剂量CT去噪质量与效率支持零样本条件去噪
CasDeblurGS：从两张模糊图像实现三维高斯泼溅的级联二维到三维多视图一致性
提出CasDeblurGS，仅用两张模糊图像无位姿重建三维场景，级联二维到三维引导，提升新视角质量与一致性。
Fisher8：通过输出层Fisher几何稳定神经异方差回归
提出Fisher8梯度修正，利用Fisher几何替代欧氏几何稳定异方差回归，无需额外超参数，提升似然-误差权衡与不确定性校准。
用于对焦测距的纹理二阶理论
波动光学二阶纹理理论：表面微几何产生散斑纹理，窄带滤波增强对比，改善无纹理场景的被动对焦测距。
幂律图注意力：缩放点积注意力的精确推广及推理时的经验坍缩
提出PLGA精确推广缩放点积注意力；证明推理坍缩为常数算子广义SDPA，实测涨落低于1e-6。
STCAD：可扩展的AIS海量轨迹聚类与异常检测框架
针对TB级AIS数据，用BERT编码轨迹并聚类，基于重建损失检测异常，在数十亿条消息中实现正常与异常行为分离。
MD-ProTector：面向LLM生成文本检测的多数据驱动原型定位
MD-ProTector用多个可训练原型表示文本类别，结合原型定位损失区分类间与类内变异，在多个大型基准上取得最优检测性能。
智能体系统中的协同进化：走向超越人类设计的自主进化
综述智能体系统协同进化，提出三阶段分类（智能体间、与环境、元进化），探讨超越人类设计的自主进化与挑战。
哈密顿神经网络在摆和开普勒动力学上的匹配积分器评估
匹配积分器评估显示：哈密顿神经网络在摆和开普勒系统中，能量漂移与轨迹误差远低于基线，长期物理一致性更好。
本地可部署的小语言模型用于急诊科决策支持：微调策略的系统基准评估
基准测试8种开源小模型，LoRA微调在分诊和转诊任务上超商业模型，可识别高风险患者。
DriveVLA-M0：自动驾驶的故障感知记忆增强
提出故障感知记忆增强的视觉语言动作模型，检索失败案例并轻量微调修正，导航基准上最优。
桥接事件流与DiT：事件引导的视频帧插值
提出基于适配器的事件引导框架，利用事件流和光流约束预训练扩散模型，提升视频插帧质量与时间一致性。
刻意离轴：Transformer在何处计算概念及其原因
模型分两阶段计算概念：先离轴正交隔离组合与词汇，后加法读出；固定相位旋转即可复现，质量不变。
VisEditBench：视觉语言模型能否根据多模态反馈编辑可视化代码？
提出可视化代码编辑基准VisEditBench，含1395个任务，评测20个VLM发现编辑困难，提出VisEditAgent框架提升编辑成功率。
FormStruct-Bench：表格文档结构识别的层次化诊断基准
提出层次化诊断基准，评估表格文档结构识别；文档级最佳83.85%，细粒度低于18%，揭示层级恢复短板。
全带宽Transformer
提出全带宽Transformer，用潜在反馈加宽解码垂直通道，提升语言、数学与代码性能，解码开销小，逼近1.5倍token训练效果。
上下文并非权威：金融市场代理的结构化运行时治理
SAGE-Fin将提议效果置于运行时控制，要求精确工件收据并重查授权；616例测试达协议一致，现场反馈积极。
Cracks in the Foundation: Seemingly Minor Architectural Choices Impact Long Context Extension
大型语言模型对越南方言的鲁棒性如何？
评估LLM对越南六大方言组的鲁棒性，方言输入致平均性能下降2.82%，QA降幅最大，无模型完全方言不变。
主观任务中的LLM推理：失败模式、缓解与动态推理路由
推理损害主观验证，标准RLVR致“推理崩溃”；条件长度惩罚可恢复，推理人格影响显著，需动态路由。
利用张量特征训练网络加速高维函数学习
利用张量特征训练网络加速高维函数学习：引入可更新特征层，结合随机张量分解将存储成本降低至少8个数量级，实现5-40维高效训练。
从推理深度到推理广度：评估大语言模型的多点联想推理
提出MPAR-Bench双语基准，测试大模型多点联想推理广度；干扰使准确率降5-18个百分点，深度推理不自动带来广度。
集成多模态AI系统：检索增强推理、物体感知与损伤分析
多模态损伤评估系统，融合检索增强、热成像、视觉与无线感知，提升准确性与鲁棒性。
TAF-MED：明确自我治疗意图下大语言模型的多轮安全拒答崩溃
提出TAF-MED基准（500个三转场景）评估8个模型，71.6%对话含不安全回复，61.4%初始安全后崩溃，首轮安全不代表多轮安全。
前列腺癌CT到PSMA PET合成中的病灶感知自适应傅里叶神经算子
提出LAFNO，以CT代理通道实现病灶感知合成，兼顾图像质量与病灶活性准确性。
解码表型：融合基因组语言模型与神经影像的框架
提出基因语言模型与神经影像融合框架，利用基因调控和不确定性融合，提升认知衰退和痴呆诊断准确率。
DynaPPI：面向AI驱动的蛋白质互作组学进展的大规模动态蛋白质数据集
提出含复合物形成动态轨迹的蛋白质数据集，助力扩散模型预测未知多链结构，推动互作组学。
迈向大语言模型的人权基准测评：一项试点方法论
开发首个专家验证的场景化基准，评估大语言模型的人权法推理。试点显示模型分数差异大，证明基准有效。
CRHT：基于在线聚类采样的连续回归混合Transformer用于船舶轨迹预测
提出CRHT，采用在线聚类采样与CNN注意力混合架构，缓解地理偏差，1小时预测最优，兼顾精度与机动跟踪。
这是你的最终答案吗？跨上下文一致性作为大语言模型可信度的度量
提出跨上下文一致性（C3）作为可信度指标：答案越稳定越正确。经26模型6基准验证，可补充评估并诊断基准饱和。
GeoSeg-OV：以结构引导弥合地理空间鸿沟的开放词汇遥感分割
提出GeoSeg-OV，用VFM结构引导聚合与解码，HRLC基准上超SOTA，跨域零样本泛化能力强。
MammoMix：利用专家混合实现鲁棒的乳腺X线摄影病灶检测
提出MammoMix专家混合框架，分域训练专家，门控自适应融合并校准，提升乳腺X线病灶检测的鲁棒性与泛化性。
用于三维重力反演的深度感知隐式神经表示先验
提出无监督深度感知隐式神经表示进行三维重力反演，无需标签，在合成与野外实验中优于基线，缓解深度模糊。