大语言模型的地理空间概念探测：抽象性、组合性与基础性
通过空间概念基准测试，揭示LLM在抽象、组合和基础性方面的理解缺陷，为改进概念获取提供见解。
将分诊决策拆分给多个智能体，是掩盖偏见还是有助于发现偏见？审计容量约束下基于LLM的资源分配多智能体模拟研究
多智能体分诊未减少偏见发生，但审计容量决定偏见能否被发现：过载时漏检率升，按风险排序可缓解。
Stoicheia：用于古希腊语文本修复、句法解析和格律分析的字符级掩码扩散
405M字符级掩码扩散模型Stoicheia，统一处理古希腊语修复、解析与格律，性能超越SOTA。
分子生成模型如何组织分子身份
生成模型固定分区：逐段常数、粗细边界；组织依赖表示、身份约定、解码随机性与度量，训练中局部稳身份数变。
先理解后检测：面向全域红外小目标检测的视觉-语言学习
提出“先理解后检测”范式，用语言监督学习跨域红外表示，构建多模态数据集，实现全域红外小目标检测。
SkillAligner：在执行时将检索到的技能视为可调整的草稿
技能对齐器在执行时将检索技能视为可调草稿，无训练联合适配以消除技能与执行失配，提升性能、降低推理成本。
HRDiT：基于现成扩散Transformer模型的免训练高分辨率图像生成
提出免训练方法，适配现成DiT模型生成高分辨率图像，解决空间无序与耗时问题。
使用分块SVD寻找可用的权重机制
提出列分块SVD从线性位点提取机制基座（触发/写入/强度），在Gemma-2-2B上182/182验证通过。
自然语言处理心理测量学
用LLM人格模拟问卷，结合情感与网络特征，可解释心理健康预测，但需人工验证。
语法工程与LLM结合：粤语和爱尔兰语ParGram树库构建
开发粤语和爱尔兰语ParGram树库，测试LLM辅助语法工程：翻译不佳，句法生成部分有效但跨语言抽象弱，仍需专家验证。
LitTraceQA：科学问答中多阶段证据定位与验证的基准
提出LitTraceQA基准，用于科学问答的多阶段证据定位与验证，评估论文检索、证据定位和答案准确性。
步行可达性对谁而言？利用多模态深度学习捕捉步行性感知中的主观差异
研究提出首个用户条件多模态深度学习框架，融合 sidewalk 图像与个人属性，感知评分一致性提升65%，强调步行性评估应体现个体差异。
KnifeHunter：面向执法场景细粒度刀具图像检索的结构化局部表示学习
提出KnifeHunter系统与CoRe-Net模型，含5.4万图像数据集，在执法测试中达99.2%首位命中率，实现细粒度刀具检索。
通过Nyström方法弥合超维计算与核方法之间的差距
提出NysHD方法，基于Nyström近似将任意核函数转化为超维计算映射，在图和字符串任务上准确率提升。
MiCoPro：基于硬件感知代理模型的端到端混合精度软硬件协同设计
提出MiCoPro框架，用硬件感知代理模型优化混合精度量化，在多种硬件上延迟降低40%，精度损失小于3%。
ELMZip：基于极限学习机的星上图像压缩实现高效下行传输
ELMZip借助极限学习机进行星上图像压缩，只传输出权重，兼顾高保真与高效下行。
戴尔约束下的深度网络学习
提出满足戴尔约束的网络用非负活动与固定符号突触局部赫布学习可恢复反传更新优于同类基线
CAi Copilot：通过意图驱动的智能体工作流降低分子设计中的操作负担
CAi Copilot将分子设计意图转化为可追踪工作流，45项任务得分84.59，领先18.07，降低操作负担。
零差距并非恢复：分层逐题概率评估与基准污染的逐步缓解
提出分层逐题概率差距评估，揭示先前缓解策略恢复被高估，新方法RailCap最优。
稳定曲线，不稳定条目：视频大语言模型中的条目级缩放异质性
聚合曲线掩盖条目级异质性；无单一视觉预算适用于所有条目；条目级预言机增益与回归并存，置信级联可降成本保精度。
YOLO-PEFT：面向YOLO系列的参数高效微调
提出YOLO-PEFT结构感知框架，将适配器布局建模为可审计约束规划；在YOLO11/12上优于全量微调，显存省43.9%但耗时增1.72倍；未知架构拒绝仍待验证。
FedLBW：无线网络非独立同分布数据联邦学习的基于损失的加权策略
提出FedLBW，用验证损失倒数加权客户端更新，提升非IID数据下联邦学习的精度、收敛速度和抗掉线鲁棒性。
计算病理学中测试时适应的解释稳定性：大规模基准
测试时适应解释稳定性与精度弱相关；冻结骨干最稳，持续法漂移大，CNN更敏感；应作为独立评估轴。
PRISM：薛定谔桥模型的原理性参考识别
参考设计理论：可解参考需协方差交换；精确解下参考无关后验；有限步最优噪声谱∝传感器破坏谱；图像失效。
不可知直接和的速率分离
单实例学习速率不能决定直接和速率；两个具有相同 n^{-1/2} 曲线的类，其直接和速率可不同。
面向DisCoCat情感分析的LLM辅助改写中等复杂度金融句子的探索性评估
LLM辅助改写使中等复杂度金融句子适配DisCoCat，电路压缩逾七成，最优准确率0.550，训练集增大反降。
随机皮层自重构的跨人群迁移
随机皮层自重构模型从UKB迁移至中国人群，微调SUNet最佳，AUC达0.848，跨人群泛化稳健。
CreativeInstruct：规模化教会大语言模型平衡质量、创造性与多样性
提出CreativeInstruct，用特殊标记平衡创造性与质量，提升多样性且不损质量，并有益强化学习。
基于决策树剪枝的可解释强化学习
提出决策树剪枝法简化强化学习策略，保持性能且可审计，提升可解释性。
Transformer难以运用其涌现的世界模型：重访汉诺塔与思考的幻象
Transformer能涌现汉诺塔世界模型，但规划时表示衰减致失败；注入表示可恢复性能，失败源于维持而非缺失。
基于元素分类连接子图的密度感知层次聚类
提出密度感知层次聚类方法，融合密度与图连通性，基于元素分类连接子图度量簇间相似性，性能优于基线。
PTQ4SNN：面向脉冲神经网络的状态感知训练后量化
提出膜感知训练后量化框架，联合量化权重与循环膜状态，适配分布并分配混合精度，无需重训即可保持低比特精度。
先定多少，再定何处：多轮智能体强化学习中信用保持的动作到令牌分配
提出FACTOR，分离动作信用与令牌分配，在多个环境中优于基线，TD信用是主要驱动。
答案保持攻击下的模型置信度：信息性—可操纵性边界
研究表明，在保持答案不变的攻击下，模型置信度可被操纵，且现有防御无效，置信度并非内在稳健的监督信号。
超越基础模型：面向小数据表示模型的维度感知神经架构搜索用于低温冷却器寿命预测
提出小数据表示模型范式，结合维度感知NAS，在低温冷却器寿命预测中达到竞争性能，无需大规模预训练。
MemWM：记忆增强的文本世界模型
记忆增强文本世界模型，提升状态保真度，规划成功率最高提升65.4%。
RoRA：面向角色的区域分配用于多模态大语言模型视觉标记剪枝
提出训练无关视觉标记剪枝框架，按角色区域分配，优于基线，高压缩下保持精度并显著提速。
MemOPD：基于记忆状态对齐的长时程智能体在线策略蒸馏
提出MemOPD，通过记忆状态对齐解决长时程智能体蒸馏偏差，F1提升416.2%，加速1.63倍。
检索约束策略优化：从网络威胁情报中提取攻击技术
提出TTP-R1框架，结合检索增强微调与强化学习，从CTI文本提取ATT&CK技术，F1提升7.4%，速度提升28倍。
用于链接预测和拓扑重建的双曲图嵌入器
统一比较13种无监督双曲图嵌入法，无算法全面占优；性能取决于嵌入范式而非学科来源，并给出选型建议。
DocMemo：多模态文档理解中基于概率记忆引导检索的动态证据发现
提出基于三层次记忆与贝叶斯信念更新的文档理解框架，实现动态证据发现，性能最优。
CANIS：通过图像-语义桥的生成辅助3D规范化
提出CANIS框架，利用图像到3D生成模型的语义先验，经图像-语义桥实现无训练3D规范化，提升下游任务。
面向小企业短历史多KPI预测的会计图Transformer
提出会计图变换器，用关系图与近期路径联合预测13个KPI，MAE 0.699，优于LightGBM。
偏微分方程基础模型的无监督适配
利用物理残差与边界条件，对偏微分方程基础模型无监督微调，无需真解即可媲美有监督方法。
超越孤立：解锁强化学习组件协同以实现样本高效连续控制
强化学习组件间存在协同或干扰，简单堆叠SOTA技术常引发非平稳性等挑战。提出ROSER框架协调表征、优化稳定性和经验回放，性能提升17.60%。
超越流畅性：脊柱MRI报告生成的临床基准与异常增强基线
现有指标难反映诊断正确性，提出用半监督U-Net++生成椎间盘异常热图增强VLM输入，提升解剖敏感性与临床可解释性。
每个缓存条目各得其所：KV缓存压缩中分辨率与覆盖度的全局分配
提出全局分配法，将键值缓存压缩视为资源分配，平衡分辨率与覆盖，无需训练，32项中24项最优。
并非所有问题都最适合建模为MILP：以DSL为中心的灵活准确优化建模框架
提出OptiDSL，用LLM将自然语言映射为DSL，解耦建模与求解；在44类组合优化上准确率提升51.66%，耗时降低91.71%，现有基准提升23.09%。
模块化测试时训练：将测试时训练重构为可组合模块
提出模块化TTT框架，将内部学习器表示为有向无环图，系统消融各组件，发现小学习率初始化、权重衰减和单层非线性有效，深层网络和归一化有害。
编程代理的在线监控与纠偏引导
LivePlan实时监控纠偏编程代理，解耦判断与建议，解决率提升15.2%，成本仅增0.08美元。