LiteKD-Net：面向移动图像去噪的轻量级知识蒸馏网络
提出轻量知识蒸馏网络，用物理噪声模拟生成训练数据，以深度可分离卷积构建学生网络，特征级蒸馏传递教师能力，兼顾恢复质量与低算力。
基于傅里叶增强特征的物理信息神经网络交替Levenberg-Marquardt训练
提出傅里叶增强交替LM物理信息网络，解耦表示学习与系数拟合，高频非线性PDE误差降两个量级。
LAWM-3D：从人类视频学习3D感知潜在动作，用于可泛化的机器人世界模型
提出LAWM-3D：从人类视频学习3D感知潜在动作，提升世界模型的生成、物理一致性与泛化性能。
提示侧智能体剧本何时可迁移？智能体部署中的准确性、成本与运行时变化
提示侧剧本迁移需条件验证，非默认复用；部分场景有益，但存在成本激增与兼容性异质性，需目标端验证。
Engram-E2VID：基于参考的事件到视频重建——通过外观印迹的生成激活
提出结构引导框架，生成激活外观印迹与事件运动结构，实现高质量重建，PSNR提升3.29dB。
不确定性的统一风险视角：面向解耦与超越代理评估的后验风险
将不确定性定义为逐点后验风险，用半合成数据直接评估认知与偶然不确定性，发现准确预测不等于可靠解耦。
Subliminal Learning is Non-Semantic Distillation
UniVVT：高保真视频虚拟试穿的统一端到端框架
提出统一端到端框架，将视频试穿改为语义条件生成，免除掩码姿态变形模块，高保真且性能领先。
基于观察锚定的自预测强化学习用于视觉连续控制
提出OG-SPR，融合潜在自预测与观察预测，提升视觉连续控制样本效率，28个任务上超越SOTA，尤其困难域。
EpiBench：大语言模型能否理解抗体药物发现中的表位？
提出EpiBench基准，基于序列和功能数据评估大语言模型表位推理，覆盖五项相关任务，发现当前模型能力有限。
ConceptADapt：概念引导的动态注意力自适应特征重构用于少样本工业异常检测
提出概念引导的动态注意力特征重构方法，结合稀疏自编码器与LoRA，少样本异常检测表现最优。
GST-Bench：视频能否让视觉语言模型发展出全局空间感知？
GST-Bench评测视频全局空间感知；最强模型42.68，远逊人类79.08，暴露长时视频整合缺陷。
面向反馈驱动智能体修复的因果情景记忆
免训练MERIT以因果情景记忆优化Text-to-SQL：Spider69.79%，BIRD48.44%。
通过选择性上下文偏好优化学习何时信任
提出选择性信任问题，构建MIST基准与SC2W指标，发现模型普遍易受误导。SCOPE方法平衡优化各条件，降低误导翻转率，同时保持上下文准确。
谨慎上下文引导用于语言模型个性化
提出CCS，用轻量适配器按词控制用户上下文影响，单数据集训练即可跨域泛化，免逐用户微调，降低推理成本。
面向图像恢复的关系流形流映射蒸馏
提出FoRM，将关系蒸馏转为流映射，学习流映射算子并加一致性约束，五个复原任务超SOTA，方差降50%。
潜在上下文是否有用？北极航运逆强化学习的受控评估
北极航运逆强化学习评估显示，非线性奖励较线性提升50.9%，添加潜在上下文反降16.5%；行为差异可由观测特征解释，单一指标不足以评价奖励。
ProDVI：用于价值网络初始化的程序化动力学先验
用大模型生成程序化动力学先验，预训练价值网络，提升强化学习样本效率。
ViSR-KGC：基于视觉子图推理与视觉语言模型的多模态知识图谱补全
提出ViSR-KGC方法，提取子图并可视化为图像，结合表示学习与视觉语言模型，利用多模态证据补全知识图谱。
基准的基准：对话智能体基准评估
提出无参考框架，用LLM评估对话基准的一致性、复杂度和策略覆盖，可区分质量并为人工基准提供诊断。
自我预训练是否真的有助于改善医学时间序列的诊断？
自我预训练可提升医学时间序列分类准确率0-6%，对深层模型效果更佳，无需改变架构即可增强数据有限场景下的鲁棒性。
面向LLM个性化共写的免训练词元级引导
提出SteerWrite，免训练、词元级引导个性化共写，无需微调，适配小数据，显著减少人工编辑，达SOTA。
路由在最宝贵之处最难学习：Web智能体表示路由的界限
逐任务选观察模式的收益被噪声夸大；路由策略不优于固定模式，因监督受制于智能体成功率。
当智能体AI遇上通感一体化
智能体AI将通感一体化转为闭环智能系统，提出六阶段框架与五级成熟度，指出验证缺口和挑战。
STAIL：基于大语言模型的语义文本锚定医学影像增量学习
提出语义文本锚定增量学习，以文本替代图像存储，借大语言模型锚定特征，减少遗忘，提升医学影像持续学习性能。
证据驱动的动态视觉选择器用于高效长视频理解
提出基于内部注意力证据的动态视觉选择器，自适应分配计算，减少50%视觉令牌且提速3.9倍，性能更优。
HyTBE：面向跨域红外小目标检测的双曲目标-背景专家模型
提出双曲目标背景专家模型，干预目标背景关系并建模，提升跨域红外小目标检测泛化性。
去殖民化自动语音识别中的语言政策：跨文化胜任语音AI框架
语音识别失败实为殖民语言等级，须以社区为共同设计者，经三害分类与七层模型实现跨文化胜任。
NeSy-RAG：用于可解释问答的神经符号RAG
提出神经符号RAG框架，生成可溯源的Prolog查询，自动检测缺失用户事实，ShARC准确率达61.1%，优于基线42.8%。
AppDeltaWorld：面向移动GUI智能体的过渡锚定增量代码世界模型
提出以代码更新形式预测GUI的世界模型，提升移动端GUI生成保真度，并支持闭循环训练与测试期强化学习，显著增强智能体性能。
当自我进化适得其反：LLM智能体技能污染的提交前门控机制。
技能池过大会引发不可逆污染，致性能下降；VaG门控以三类审查和子集选择，小池实现更高性能。
基于拓扑路由混合曲率专家的动态图提示
提出拓扑路由混合曲率专家动态图提示框架，自适应拓扑演化几何，提升少样本链接预测。
Vorch-Director：基于噪声感知误差修正的交互式世界故事模型
提出噪声级别感知的残差修正策略，减少自回归生成中的误差累积，提升长视频音视频一致性与稳定性。
KVAE：面向多模态生成模型的标记器系列
KVAE系列分词器覆盖音视频图像，压缩性能优越，重建与生成指标超越Wan-2.2等开源模型，代码已开源。
眼见不等于决策：多模态大模型能成为高效CEO吗？
多模态提升证据推理但破坏资源分配，信号拥挤是主因，视觉增强需谨慎。
LLM推理在突发负载分布下的优化：改进WAIT算法
提出轻量级WAIT扩展，在线估计请求强度，适应时变到达率，仿真显示吞吐优于Sarathi-Serve等，延迟相当。
改进国防与国家安全本体间的互操作性：分析与评估任务
分析60多个公开本体，为OAEI新增赛道，含8个匹配任务、共识对齐和人工校验的银标准映射。
ChainClaw：面向可靠链上执行的分层智能体框架
提出ChainClaw框架，通过分层架构解决链上执行的反应性、不可逆性与可观测性缺陷，显著提升安全性与任务完成度。
Kastor：面向PDE模拟生成式仿真的高效微调策略
提出Kastor微调策略：两阶段推理+均值正则化+梯度匹配，提升PDE模拟生成仿真的精度与效率。
RP-OPSD：推理枢轴引导的同策略自蒸馏用于多语言推理迁移
提出RP-OPSD，用推理枢轴引导同策略自蒸馏，强化优质推理信号，提升多语言数学推理性能。
SR-JEPA: 在3D场景中学习预测潜在状态
提出SR-JEPA，预测缺失实体的潜状态，ARKitScenes识别达43.13%，展现可查询的三维组合式预测。
面向国家标准文件规则密集型审查的大语言模型基准评测与增强
提出标准审查基准，评测14种大模型，最优分数由0.328提至0.509，仍低于专家0.664。
BioKD：基于可靠性门控的选择性生理-视频知识蒸馏用于情绪识别
BioKD：用可靠性门控实现生理到视频的知识蒸馏，在DEAP/AMIGOS上提升情绪识别且无额外推理开销。
SkillTFM：表格基础模型免训练自适应的门控技能演化
SkillTFM 免训练适配表格基础模型，以门控技能演化提升 AUC 0.128~0.142。
异构注意力内存的运行时可观测性
提出覆盖四类注意力内存运行时可观测契约，三算子组合风险账本，指标类型化分级，千万级实测零违规并定位静默损坏。
工具调用的苦涩教训
程序化工具调用在基准上评测14个模型，多数匹配或超越JSON调用，并行与上下文退化下更稳健，是可行替代方案。
有序扩散用于三维人体配准
提出ODin，将人体配准建模为扩散生成过程，处理扫描歧义，优于回归并创SOTA，用时缩短三分之二。
混合自适应线程调优以缓解高性能强化学习推理中的仿真执行瓶颈
结合神经算子与排队模型调优线程，提速18.4%，吞吐1.7倍，耗时降低83.8%
超越序列顺序：面向 Transformer 的语法感知位置嵌入
提出SiPE（语法感知位置嵌入），将依存句法先验注入位置编码，在SyntaxGym上提升10.3%、GLUE上提升8.2%，困惑度降9%，推理成本不增。
VSMP-IMU：视频引导的语义运动程序用于传感器感知的合成IMU生成
视频引导的语义运动程序生成合成IMU，在五个人体活动识别数据集上超越纯真实训练与现有基线。