基于VSWIR成像光谱的亚像元野火温度实时物理反演
提出VSWIR野火温度反演框架，用GPU加速非线性最小二乘，实现飞行内实时估计，误差约42K，并验证了空间分辨率泛化能力。
一种智能体AI框架克服大语言模型在眼底照片青光眼检测中的根本局限
智能体框架整合LLM与专用工具，青光眼检测准确率提高16-47个百分点，一致性近完美。
IntelliAudit：利用大型语言模型评估审计控制
提出检索增强的多智能体系统IntelliAudit，用于IT审计证据评估，支持控制解释与证据推理，但需人工监督校准充分性判断，作为决策支持而非自主认证工具。
谁构建了这一模型？基于权重空间谱指纹追踪大语言模型谱系
通过谱能量与子空间对齐的几何指纹，无需输入数据即可区分大语言模型的同源、同系与共享基座关系。
团结中的智慧：多语言训练在谚语比喻识别中的作用
仅需50%多语言数据即可近最优识别谚语比喻；多元比喻框架中文化特定形式增益最大。
引导向量的安全成本可分离且可降低
安全退化源于引导向量中可分离成分，移除它可在保持引导效果同时恢复安全性，且代价极小。
MAGIC-SSCIL：面向半监督类增量学习的流形锚定与几何增量校准
提出无样例存储的MAGIC框架，用软加权几何校准与结构对齐稳定特征空间，防遗忘，提升半监督类增量学习精度。
复杂度世界：在可验证视觉决策上基准测试视觉语言模型
提出视觉决策基准ComplexityWorld，390个任务。直接推理通过率低，GPT-5.6-Sol达75.6%，揭示视觉到决策瓶颈。
面向知识图谱问答的研究者智能体
提出自我改进的研究者智能体，将问题转SPARQL，DBpedia上准确率0.22，瓶颈在谓词选择，建议用机器翻译和信息检索指标评分。
轨迹驱动评估何时误导 MoE 专家缓存？重放语义、工作负载污染与运行区间
轨迹驱动评估易误导MoE缓存：重放语义、负载污染、运行区间皆影响结论；离线最优差距大，轻量因果预测仅恢复少量。
LAVE：面向视频工具使用智能体的潜在视觉证据增强规划
提出LAVE训练-free框架，复用工具调用的潜在视觉证据，突破文本观察瓶颈，提升视频智能体规划性能，在多个基准上显著领先。
LLM智能体能遵循剧本吗？交互式叙事中长程一致性的基准
提出NCP挑战与NCP-Bench基准，测试LLM在交互叙事中保持长程一致性，发现语言质量高不代表承诺保持佳，最佳模型20轮存活率仅42%。
临床基础模型中的患者隐私保护：技术与法律视角
临床基础模型存在患者隐私泄露风险，现有法规不足，需结合技术与法律框架评估缓解。
多模态大语言模型的多分支策略优化
提出多分支策略优化（MBPO），以分支相对优势与时间重放缓冲改进多模态强化学习信用分配，提升优化效率。
谁来验证基准？大语言模型评估中的去中心化信任
研究揭示大模型评估中身份披露致评分偏差，提出区块链提交-揭示协议，实现盲评与事后验证分离，增强可信度。
牛顿GS：面向高斯场景动画的物理结构化对象级神经牛顿动力学
牛顿GS以22维物体状态和神经残差模拟动力学，用仿射变换驱动高斯场景动画，误差更低。
焦点粒子与人类和语言模型中的标量推理
测试人与大语言模型对“甚至”“仅”等焦点粒子的标量判断，结果相似但机制可能不同。
跨位置与服务等级的自适应两级守恒容量预算分配
两级分配算法在位置与等级间精确守恒预算，一次迭代稳定，争用下服务高优先级需求66-93%。
SPECTRA：谱变换编码推动KV缓存突破2比特悬崖
SPECTRA用谱变换重编码KV缓存集中比特于重要通道实现4倍近无损12倍压缩突破2比特悬崖
STEMMA：评估大语言模型自我身份一致性的对抗式多智能体框架
STEMMA多智能体对抗提示评估显示，蒸馏模型习得教师身份行为，多数自我身份不一致。
HSMLA：用于高效视觉Transformer的分层Softmax多尺度线性注意力
提出HSMLA，融合线性注意力与软max精修及多尺度卷积，在密集预测中实现高达4.2倍加速与高精度。
跨批次边界的信息路由：Lipschitz 老虎机中的记忆-批次权衡
在利普希茨老虎机中刻画跨批次信息路由权衡：状态宽度与更新深度不可互换，新惩罚项给出极小极大遗憾界。
NeuPAT：用于保持语言能力的多模态大语言模型的神经元感知可塑性分配调优
NeuPAT用神经元级可塑性分配约束保护语言敏感神经元，维持多模态性能同时恢复94.5%语言退化。
AraSSM：面向阿拉伯语掩码语言建模的双向状态空间编码器
提出AraSSM，首个阿拉伯语双向Mamba编码器，消费级GPU训练，在多数NLU任务上媲美或超越Transformer基线。
评估指标能否检测文言文到英文翻译中的错误？
现有评估指标在文言文英译中有盲区，MetricX24最佳，需更鲁棒可解释的指标。
基于LLM的程序分析与优化嵌入
结合源码与IR嵌入的LLMCompiler程序分析优化，算法分类错误率1.54%，优于现有最佳12%
基于事实且分解的抽象式摘要关系级幻觉评估框架
提出依赖感知关系抽取算法和归一化RHI指标，实现关系级幻觉的稳定区分测量，推进摘要忠实度评估。
AndroidReality：移动智能体距离真实世界还有多远？
构建AndroidReality扰动基准，从状态/转移/动作三轴评估鲁棒性，揭示显著差距并提出免训练TTIR缓解。
同策略自蒸馏的自适应监督锚定
针对同策略自蒸馏中轨迹偏移削弱监督，提出分离轨迹条件匹配与规范监督、按对齐度自适应锚定的框架，提升任务获取与稳定性。
能力阶梯：人工智能时代劳动力就绪的课程现代化框架
AI时代工作是任务重组而非替代；提出能力阶梯五级框架，按自主性与人类监督分类，指导课程现代化与劳动力认证。
频谱离群值揭示Transformer注意力中的主导学习结构
用MP随机矩阵理论分离注意力权重，消除谱离群值使性能接近随机，表明其编码主导学习结构，Q投影离群最多。
FlowErase-OPD：流匹配模型中基于锚定在线策略蒸馏的多概念擦除
提出基于在线策略蒸馏的多概念擦除框架，改善擦除与保留的平衡，性能领先。
利用热成像与传感器融合的深度学习进行网络硬件故障预测
热成像与功率数据融合的深度学习模型，经区域提取预处理，准确率达94%，有效预测网络硬件早期故障。
从不确定性到失败归因：分布偏移下的自诊断模型
提出自诊断模型，在分布偏移下不仅检测OOD样本，还区分协变量偏移、语义偏移、噪声和对抗扰动四类失败原因，实现从标量不确定性到失败识别的突破。
二阶漂移模型
提出二阶漂移模型，引入速度变量加速密度扰动，缓解频谱刚性，保持单步推理，表现优于一阶基线。
工具增强LLM系统中的持久语义实体
工具增强LLM存在跨会话持久语义实体，名称绑定致污染普遍，偏好与指令污染持续，自验证可降36.5%。
HeatCast：美国124个城市街区尺度地表温度预测基准
HeatCast是美国124城市30米月度地表温度预测基准，含数据评估，最优模型误差7.74K。
EasyBalance：分布式MoE推理中的跨层负载均衡
提出EasyBalance跨层负载均衡，不改专家映射，联合执行跨层任务，GPU空闲降低超40%。
从语音到交互：鸡尾酒会场景中的多模态系统分析
分析鸡尾酒会多模态系统，三大策略互补降误57%，发现高重叠非性能瓶颈主因。
CliniCARE-Bench：电子健康档案中临床医疗推理的校准审计
首个面向临床部署的智能体基准，评估真实纵向EHR调查、证据 grounding、政策遵循与校准弃权；原始准确率常高估质量，无缺陷准确率重排榜单。
GraphThink：面向长时程具身任务规划的图增强LLM思考
GraphThink融合任务图与场景图，减少幻觉，强化长时程规划，支持事件驱动重规划，在ALFRED基准上达最优。
ZeroLock：模块化更新解耦实现并发内存高效的大语言模型训练
零反向传播，模块化解耦更新，内存降26.5%，吞吐升4.9%，收敛接近BP。
推理大语言模型中的隐藏语言一致性现象
推理模型语言一致性随难度变化，存在崩溃效应；仅凭准确率不够，需结合一致性与难度评估。
质量-多样性压力测试过程奖励模型：存档覆盖能证明什么，不能证明什么
用MAP-Elites对过程奖励模型做压力测试，发现覆盖界有限，残差由拟合误差和Lipschitz半径决定，无法仅凭覆盖分数保证最坏情况。
法官不应裁决之时：证据锁定、非补偿性选择约束推理流水线中的LLM法官失误
推理流水线中法官决策取决于规则而非准确性；证据锁定非补偿选择可提升准确率并约束失误，优于多数投票和裸法官。
CausalNav：物理参数偏移下用于控制的可靠性认证因果世界模型
CausalNav借助认证门控决定采纳或弃权，安全优先；实验排名第一，但结构保真度与收益无关。
准确集成，脆弱叙事：多尺度堆叠与信用风险大模型生成解释的保真度审计
多尺度堆叠集成仅小幅提升预测；大模型解释保真度差，归因符号不稳，提示工程不足，须生成后核验。
大型语言模型中专家混合架构的演进：路由、拓扑、负载均衡与专家并行
专家混合架构综述：路由、拓扑、负载均衡、专家并行，趋势为解耦语义路由、计算预算与物理执行。
识破虚张声势：利用有序推理链正则化检测不断变化的有害聊天对话
提出BRACE，基于有序推理链正则化检测多变有害对话，四阶段监督与特征增强，跨领域宏F1达0.934。
大道至简：面向超长视频理解的多键情景记忆检索
提出多键情景记忆检索框架，推理时邻域过滤与时间扩展，避免全局建模，三个长视频基准最优。