PPDL：将基于大语言模型的流程作为概率程序
提出概率语言PPDL，量化并传播大模型流程中的不确定性，支持推理缩放试验，无需额外编码。
MS-MLB：基于血液的多发性硬化分类的开放机器学习基准
提出MS-MLB开放基准，用血液RNA表达区分多发性硬化与健康对照，梯度提升模型得分最高。
脚手架介导的后训练：模型参数与程序性脚手架图的协同演化
脚手架介导后训练参数与脚手架图协同演化自动技能提升通过率8.1%蒸馏后无脚手架仍27.7%优于SFT
跨架构语言模型中的转向迁移：一项系统性实证研究
首次系统评估跨模型转向迁移，发现≥1.7B参数时概念方向可跨模型控制行为，小模型失效。
收敛时扰动敏感性：识别虚假相关样本的简单信号
收敛后，对模型输入施加固定扰动，被虚假相关拟合的样本预测更稳定，其余更易翻转，据此无需组标注即可识别并重平衡，显著提升最差组准确率。
智能体自主显微镜基准测试支持资格鉴定，但未必泛化到未见任务
研究多智能体架构、LLM等对显微镜任务的影响，发现基准可用于资格鉴定，但无法可靠预测新任务性能。
约束优先推理：无需训练地利用答案空间约束的数学解题协议
提出约束优先推理(CFR)，两阶段提示先提取约束再求解，无需训练，提升数学解题性能。
量子结构世界模型(QSWMs)：用于预测性潜在动力学
提出量子结构世界模型，以复值及密度矩阵潜变量建模，在元胞自动机验证，显示局部预测潜力但长程展开受限。
人类认知与行为的小型基础模型
小模型在分布内性能饱和，0.6-1B参数可媲美70B；分布外大模型更优；依赖刺激与反馈而非选择历史。
OmniMech：面向三维重建的全能多模态机械基准
OmniMech首个百万级机械基准，评估大模型从工程图生成可执行CAD及三维重建，现有模型仍难达工业精度。
Project2Task：图引导的自主研究项目级规划
提出图引导的项目级规划方法，生成依赖感知任务合约，提升自主研究任务组合的质量与执行准确率。
使用Whisper的波斯语语音情感识别中ASR适配与表示降维研究
波斯语情感识别中，Whisper编码器特征经PCA降维有效提升性能并降低开销，ASR微调收益有限。
搜索到技能：基于评分强化学习的知识边界外技能蒸馏
提出搜索到技能框架，基于评分强化学习，搜索外部知识并蒸馏为可复用技能，超越知识边界，在八个专家领域表现优异。
英语源多语言RAG中隐私风险何在：跨五种查询语言的分阶段审计
英语源RAG中，仅输出过滤时英语泄露最高；加输入审核后阿语和斯瓦希里语仍残留，附加原文可堵住15/17。
谱蒸馏：从非线性动力学到线性状态空间模型
提出谱蒸馏方法：用凸优化学习隐式谱预测器，再蒸馏为显式线性状态空间模型，实现非线性动力学的可证明压缩学习。
评估机器学习模型预测野火后泥石流
系统评估15种模型预测野火后泥石流，TabPFN最优（威胁评分0.637），短时雨强最关键，合成数据增强可提升多数模型性能。
连贯性导向的梦境场景可视化
DSV系统将梦境文字转为四格时序图像，用大模型分段并保持视觉连贯，经CLIP等模型评估质量、保真度与连贯性。
大语言模型中的条件性认知偏差：有偏用户轮次如何调节上下文推理
提出三条件框架评估多轮交互偏见，8个模型中6个偏差增强，并识别两种竞争机制。
纠正几何错位：面向类别不平衡脑电的在线无源域适应
提出OSPDIM在线无源域适应法，在黎曼流形上实时纠正类别不平衡导致的几何错位，优于标准基线。
基于视觉-语言基础模型的文本引导多序列胶质瘤亚区分割优化
三维视觉-语言基础模型可依文本指令精修胶质瘤亚区分割正确指令优于空白矛盾指令提示需临床交互验证
DREAM：基于事件感知记忆图的LLM动态角色扮演
DREAM用事件记忆图构建动态双粒度角色画像，提出TCM基准，在多个测试中达最优，增强角色一致性与可解释性。
LUNAR：基于通用用户行为日志的个性化大语言模型基准测试
LUNAR：首个跨域行为日志个性化LLM基准。日志必要非充分，核心挑战为证据选择、跨域整合、隐私控制。
隐形捷径：为什么视觉编码器知道你的相机
视觉编码器利用像素级元数据痕迹作为捷径，元数据与语义关联越强，性能下降越大；缓解可提升泛化，同时解释生成图像检测能力。
CDSeg：一种用于图像到3D标签迁移的可渲染高斯载体
用高斯原语作可渲染载体，无需3D分割训练，经渲染可见性与投票融合多视图掩码，实现图像到3D标签迁移，性能优。
EvoHarness-RL：为长周期LLM智能体学习自演化运行时框架
提出EvoHarness-RL，学习构建与协调外部状态，ALFWorld成功率96.9%，显现框架退火与进化。
ConWriter：转换约束下的有状态长篇故事生成与轻量级神经符号一致性控制
ConWriter是无需训练的框架，通过场景级增量生成、符号状态推理和风险信号，维持长故事一致性，避免错误累积。
TriQua：调和事实性评估中的粒度与上下文
提出新框架，按事实复杂度建模，保留上下文与原子性，精标注错误，评分优于现有分解方法
利用级联语义适配视觉基础模型
提出级联语义提示调优，融合图像基本特征与注意力先验，仅调0.74%参数即提升下游任务性能。
WorldClaw：可扩展的智能体式3D开放世界生成
提出智能体框架WorldClaw，从粗到细生成大规模3D开放世界，保持全局连贯且资产可编辑。
CNM-BERT：基于表意文字描述序列的汉字即插即用结构嵌入
CNM注入汉字IDS树结构至BERT，不改主干，OOV准确率+9.8，F1+7.7，多项任务提升。
为何第三轴是自由
探索式建模的第三轴实为自由；弱约束促进泛化，XM优化自由，按自由选择可提升分布偏移下的表现。
MOSAIK：面向高效生成的图像Token多补丁内容感知空间分配
MOSAIK按区域和去噪步动态分配补丁大小，用轻量预测器估计损伤，降低70%算力与83%令牌，性能几乎无损。
IFlowNets：将生成式采样器扩展到不完整信息游戏中的策略学习
提出IFlowNets，扩展生成式采样至不完整信息游戏，证明原有约束不适配；性能与速度优于对比方法。
LLM翻译中的数值本地化分析
分析五款可本地运行的LLM对时间、数字、日期的本地化能力，发现将本地化原则嵌入提示词显著提升准确率。
VideoArgus：基于智能评分标准的视频生成与编辑统一评测框架
提出统一评分标准框架，覆盖五类视频生成编辑任务，生成可复用规则，结合视觉问答与工具产出证据评分，评测结果更贴合人类判断，并发布基准数据集。
对抗不确定性下态势与保障优化
针对军事资产部署，提出CEV与RobustCEV优化器，应对对抗不确定性，较贪婪基线显著提升效率，自适应对手下提升达158%。
OrchestraBench：评估多智能体编排的故障模式、恢复与分解质量
提出OrchestraBench，通过故障注入评估多智能体编排，发现意图推理优于关键词路由，语义故障难以恢复，级联随深度加剧。
DG-FedReuse：基于代理梯度门控的缓存更新复用与匹配稀疏上行链路核算
DG-FedReuse以代理梯度门控复用缓存更新，上行节省约85%，计入下行后仅约42%，增益有限。
DynaPix：视觉语言模型能否识别确切的未来？
该基准要求从相似候选中选真实未来帧。模型靠事件标记成功，只凭时间则近乎随机，人类正常，暴露时间锚定缺陷。
HERA：潜在世界模型中物理预测的历史证据路由适配器
提出HERA路由适配器，将历史证据接入冻结的潜空间预测器，显著提升遮挡场景下的物理预测。
QEvict：面向注意力漂移鲁棒的长上下文解码的可恢复量化KV驱逐
QEvict：三级KV缓存管理，以可恢复量化驱逐替代永久删除，适应注意力漂移，固定内存下保留更完整历史，提升长上下文任务性能
APQF：智能体画像引导的结构化剪枝与混合精度量化及自适应微调
APQF以智能体画像引导结构化剪枝与混合精度量化，计算量大幅降低且精度几乎不变，优于现有联合方法。
立场：是时候针对自洽性优化大语言模型了
提出以自洽性为框架理解大模型失败：根源于单输出评估假设，多种技术属一致性优化特例，优化可提升能力。
反事实分析的大语言模型方法
研究用GPT-3.5做反事实分析，提示工程提升预测精度，在在线借贷中生成反事实投资回报，展现逻辑与因果推理，凸显LLM决策潜力。
大语言模型中类人回指消解
探究五个大语言模型对回指消解多个因素的反应，发现其与人类认知存在选择性对齐，对语义干扰不敏感。
模型趋同与人类分殊：开放生成中分布多元性的覆盖框架
提出覆盖框架与两个指标，测LLM生成内容的分布广度，发现其集中于人类响应中心、狭窄但合理。
DBLAST：面向随机投机解码的依赖块草拟
提出依赖块草拟器，用低秩潜混合与面向接受的训练，提升随机投机解码的接受长度，尤其在高熵场景。
无人机航拍图像目标导航的不确定性感知世界模型
提出UA-NWM，将轨迹评分视为分布外检测，仅用不可解释残差评分，性能优且延迟低。
DoctorAgents：面向小型临床时序数据、迭代精调AutoML流程的智能体框架
提出DoctorAgents智能体框架，用LLM智能体以文本梯度下降迭代优化临床小数据ML流程，优于AutoML基线。
SCI-CLIP：面向无训练开放词汇分割的片段中心推理与参考记忆
提出片段中心推理框架，无需训练，结合区域图重构与参考记忆，显著提升开放词汇分割性能。