所有大语言模型都知道自己何时在输出有害内容吗？跨模型家族潜在空间安全探针的可复现性研究
复现轻量级探针检测有害提示实验，验证其可跨模型家族泛化，并发现推理随机性不影响潜在向量与F1分数。
时间序列基础模型强化学习后训练的真值邻域正则化
针对强化学习后训练导致次优崩溃，提出真值邻域正则化，引导模型概率向真值邻域移动，提升性能。
SurgLAT：用于深度感知机器人腹腔镜控制的外科潜意注意力追踪
SurgLAT在线追踪外科潜意注意力，实现机器人腹腔镜自主控制，经真实视频与物理平台验证，抗遮挡与快速运动。
反事实基准测评与训练：增强大语言模型在异构知识上事实一致性与顺序鲁棒的接地推理
提出TKFQA基准与ORLF训练框架，评估并增强大模型在异构知识上反事实推理的事实一致性与顺序鲁棒性。
高速公路数据采集：一种几何、类别无关的嵌入式车辆计数方法
提出几何类无关计数法，用背景减除和虚拟线圈，无需预训练检测器，树莓派超实时，精度83%-100%。
超越表格：Doc2DB-Bench——面向关系忠实的文档到数据库构建
提出Doc2DB-Bench基准，将长文档构建为关系数据库，含42模式、203实例，检验关系忠实性。
奖励破解下的评估器集成：协方差几何与有限搜索保证
协方差几何表明：评估器共同模式误差不可识别，分歧度不可靠；有限搜索后悔界呈√logK标度并渐近紧。
缓解英语到罗马尼亚语机器翻译中的性别偏见
结合LLM性别分类与NMT，用性别标签提升英罗翻译性别准确率超40个百分点，引入三个数据集。
广推理而非深推理：将推理溢价摊销为蒸馏技能
将推理过程蒸馏为技能，非推理模型以少量令牌恢复55%-100%性能，且无需推理轨迹。
基于多任务一致性的对抗攻击检测
利用多任务输出不一致性检测对抗攻击，无需额外开销，基准数据集上对投影梯度攻击检测AUC达99.9%。
动力系统辨识中的自适应对称性发现
研究未知对称群下从单条轨迹辨识动力系统提出自适应发现对称性的方法实现与已知对称性相同的短轨迹最优长度
支持选择超越平滑DAG精确性：补全几何、得分边际与选择性证书
证明DAG边界上最小环补全生成单项式理想，导出选择时间标度律，并用实验及新统计量验证；有限样本下置信族和强制对立查询可认证骨架与碰撞标签，分离可行性、选择与因果识别。
CosmosAlign：面向生成式交通视频预测的世界基础模型适配
CosmosAlign以两阶段LoRA适配世界模型，推理时增强，获AI City Challenge 2026赛道5第一，得分76.49。
TSDS工具箱：时间序列数据集相似性度量工具箱
提出TSDS工具箱，统一比较时间序列相似性方法，支持扩展与集成评估，实验验证有效。
TelemetrySuffBench：智能体遥测是否足以诊断故障起源？
提出遥测充分性基准，发现智能体遥测能检测故障却难以定位源头，须引入决策-来源关联与弃权机制。
GRACE：面向可扩展混合数据聚类的LLM语义度量空间
提出GRACE，基于LLM语义空间实现可扩展混合数据聚类，精度与可解释性优于11种方法。
OpenVisTool：合成指导性视觉工具使用轨迹的开放方法
提出新框架，以结果正确与因果效用筛选轨迹，生成有效监督，提升视觉工具使用能力。
SpikeWorld：冻结脉冲世界模型的快速状态自适应
提出SpikeWorld：145万参数的稀疏脉冲世界模型，部署时全部冻结，仅经外部残差路径无标签自适应，显著提升预测与奖励。
北非缺失的框架：NLP驱动的阿尔及利亚心理健康护理及对低资源环境的启示
首个阿尔及利亚NLP心理健康框架：识别语言、地理、污名、基础设施四障碍，提出低资源环境路线图。
视觉与WiFi融合：基于物理的体机械属性估计
提出视觉与射频融合框架，用材料槽估计体机械属性，提升精度与物理一致性。
超复数神经网络中的鬼特征与诡异迁移学习
利用超复数额外虚部生成鬼特征，并通过诡异迁移学习整合，提升神经网络效率。
VectraYX-Vision-1B：面向西班牙语/拉美网络安全的亚20亿参数视觉语言模型，具备结构化视觉推理与原生工具使用能力
首个西语拉美网络安全视觉语言模型小于2B，支持结构化视觉推理与工具调用，但视觉定位失败B6约0，已开源。
医学图像生成中的分词器与生成器耦合
医学图像生成中，分词器与生成器耦合决定排名，重建指标不可靠；新统计量分离量化器，重调参提升FID。
利用大语言模型增强科学命名实体识别：一种类型驱动的多任务学习方法
提出类型驱动的科学命名实体识别方法，利用实体类型过滤、多任务学习和示例选择，性能媲美全监督模型。
LoRSA：面向生物医学下游任务的泛化参数高效微调方法
LoRSA提出全局-残差自适应框架，联合稠密与结构化稀疏低秩组件，提升生物医学模型外部域泛化，优于基线。
回到未来：用于电子表格创建基准的工作簿时间机器
提出工作簿时间机器，评测LLM生成电子表格对象，150任务，显示查询粒度、代理编排和API影响性能。
BRUCE：面向科学视觉-语言推理的损坏升级鲁棒性基准测试
提出BRUCE基准，用两种新指标量化视觉语言模型在图像损坏升级下的推理退化，并解析四种推理失败模式。
CLAM：基于因果空间分解从粗粒度数据推断局部效应
CLAM结合因果机制与空间分解，利用高分辨率协变量从粗数据推断局部因果效应，支持反事实推理，用于卫生环境政策。
LibraSpec：基于边际增益驱动的动态扩散投机解码
提出LibraSpec，通过边际增益优化动态选择投机长度，无需训练即插即用，显著提升推理速度。
ZhuLong: Execution-Grounded LLM Agent for EDA Scripting with Offline API Self-Exploration
大型音频语言模型中的多语言情感神经元
首次揭示大型音频语言模型跨语言情感神经元，提出CR-Fusion识别，跨语言干预更精准，低资源语言获益更多。
中文标题
提出混合嵌套搜索框架，外层LLM生成结构草图，内层数值优化器调参，解耦结构与参数，在多个领域优于纯LLM或纯数值优化。
视觉-语言接地：双向概念对应
现有接地任务单向，本文提出双向概念对应，模型ConCor-1统一文本与图像分割，对应F1提升显著。
从环境反馈中学习：面向智能体强化学习的多时间尺度信用分配
提出EFCA，利用环境反馈的多时间尺度信用分配，补充长短程信号，提升长程智能体RL任务成功率与质量。
SCOUT: Self-Checking and Recovery-Aware Tool-Thought Agents for Ultra-Long Egocentric Video Reasoning
基准污染何时可检测？信息极限与功效校准审计
可检测性由α·ρ·√m决定；功效可预测但小样本校准失效，非拒绝需结合功效、预算和门控解读。
重新思考单次LiDAR扫描的3D分割：SIP基准上的入射感知采样
提出入射感知采样策略，用于单次LiDAR扫描分割，在SIP基准上提升性能，降低对采样分辨率的敏感度。
IRPol-Fuse：低可见度下红外偏振融合的能量-结构协同
提出IRPol-Fuse，能量-结构协同红外偏振融合，兼顾热红外显著性与偏振细节，低可见度下性能优越。
OmnilingualGAIA2：评估前沿AI代理的多语言差距
AI代理跨语言差距8.8-18.4分，主因模型而非翻译，不随规模缩小；非拉丁语系易词形线索丢失和歧义
能否优化性能与碳排放的盈亏平衡点？探索更绿色的LLM
将碳代理纳入微调目标，发现碳项因任务结构起干扰或正则作用，存在模型相关的盈亏平衡区。
TongGuOCR：面向中文历史文档的布局感知与令牌增强OCR框架
提出通古OCR框架，结合布局感知与令牌增强，改善中文历史文档识别，效果领先。
基于潜神经微分方程从发病后稀疏测量预测血栓生长
用潜神经微分方程从稀疏测量推断参数并预测血栓增长，SNODE最佳，有望用于个性化血栓建模。
基于生物学信息的表示学习实现MALDI-TOF质谱稳健跨中心泛化
提出DALMA框架，融合生物学监督与域重建学习可迁移表征，实现跨中心零样本微生物鉴定与耐药预测，性能领先。
不确定但确定：揭示扩散语言模型中的表示-置信度差距
扩散模型内部能准确检测错误，但外部置信度虚高致排序下降；轻量工具用隐藏状态改善排序，零额外生成。
多页富视觉文档理解中的失败定位：一项经验归因研究
视觉必要但难替文本提取；缺页限制精度，干扰项影响小；推理器难跨页整合证据。提示可改行为，需权衡预算。
REIN：通过反思与弃答对齐弥合推理与可靠性之间的差距
REIN通过反思与弃答对齐，先反思再作答，不确定时弃答，减少幻觉，提升选择性准确率，保持高覆盖率。
SeqLoc：超越单帧的稀疏特征场景跨视角地理定位
提出CV-FSS基准及SeqLoc序列聚合，含熵调节、地图重定位、峰值平滑，定位召回提升超50%。
定向神经符号随机执行：用于分布式并行AI程序验证
针对分布式并行AI程序非确定性与高维非线性，提出LLM引导调度的混合测试框架，提升并发缺陷检测2.9%，分支覆盖率升至91.6%。
LLM预预训练的不稳定性：并非总有帮助——一项多语言调查
预预训练并非总提升效率；收益依赖设置和随机种子，仅小模型+Llama分词器+128-Dyck稳定，需多次运行。
可部署的逐实例多层激活引导用于大语言模型
提出逐实例多层激活引导：按输入选层，无需标签即可部署，恢复大部分收益且不损伤流畅性。