基于开放权重大语言模型的胸腹盆CT报告零样本多疾病标注：标注约定的影响
开放权重轻量LLM零样本标注CT报告优于规则算法与微调RadBERT，标注规范显著影响性能。
信号还是虚假线索？LLM社会推断中调查国家元数据的随机审计
随机审计显示，披露随机来源不减弱国家线索影响；真实国家元数据提升预测，随机标签无益。
浮动辐射网络
提出浮动辐射网络，以平面高斯图元与连续神经辐射场结合，支持光线追踪与编辑，重建质量高。
基于图的多示例学习整合隐式与显式关系偏差：皮肤病变诊断案例研究
提出隐式补丁建模与显式图消息传递结合框架，在皮肤病变数据集上平衡准确率分别提升至79.27%和60.67%，优于基线。
绘制亚美尼亚巴黎：从20世纪散居报刊中提取并地理编码商业广告
用视觉语言模型从亚美尼亚侨民报刊提取广告并地理编码，绘制20世纪巴黎亚美尼亚商业地图。
Robust-WAM：在世界-动作模型中桥接生成式预训练与语义前瞻
提出鲁棒世界动作模型后训练法，保留生成预训练，增加语义前瞻对齐，使动作预测耐受视觉变化，提升多种基线成功率。
RRC：基于排序的奖励构建释放大语言模型强化学习中生成式奖励模型的潜力
提出基于排序的奖励构建，用相对偏好生成奖励信号，解决生成式奖励模型与标量评分失配，提升强化学习训练效果。
MirrorNet：医学图像匿名化真能保护患者身份吗？
医学图像去标识化仅删元数据，模型能从扫描恢复患者肖像，证明其仍可识别身份，应视为生物特征数据。
评估大型语言模型中的投资逻辑：面向个性化金融智能体的真实世界基准
提出投资逻辑基准，含151位真实投资者20万余条决策；大模型逻辑合理但事件依据弱，仅看收益掩盖缺陷。
搜索代理的上下文信息策略优化
提出CIPO框架，通过密集回合级奖励促使推理基于检索证据，减少先验驱动推理，提升搜索代理性能。
拓扑感知的邻域学习用于无源跨场景高光谱图像分类
提出拓扑感知无源学习框架，结合熵动量伪标签与邻域拓扑，无需源数据实现跨场景高光谱分类最优性能。
CLARA：通过结果分析澄清自然语言癌症基因组学查询中的语言歧义
该框架通过类型化查询和结果分析区分关键歧义；基准测试中识别全部敏感对比，准确率89.2%，敏感度100%。
大、亮或隐形：三维CT基础模型的冻结特征基准测试
三维CT基础模型基准测试：无通用最优，检出率取决于病灶大小与对比度，小低对比病灶仍难。
CalibForge：对抗性求解器校准以扩展可学习终端任务
CalibForge通过对抗性求解器校准构建可学习终端任务，显著提升Terminal-Bench等多个基准的表现。
弥合差距：混合思维实现人类模拟
提出Anacreon，以混合思维模拟个体，在特定领域达个体级预测，序数对齐0.775，并减少偏差。
AV-AIVAT：不完美信息博弈中经认证的随时有效停止，实现74倍更廉价智能体评估
结合方差缩减与随时有效置信序列，实现不完美信息博弈中的认证早停；中位仅需七十四分之一对局，并支持第三方复核。
Diff-VF：基于扩散模型的免训练高质量长视频生成
提出免训练框架Diff-VF，融合三种策略将短视频扩散模型扩展为长视频生成，兼顾时间连贯与运动多样性。
优雅地失败：减轻不可避免的机器人故障的影响
提出安全评估法，综合故障交互概率与后果严重度，并开发故障基准仿真框架，助力家庭机器人安全部署。
无需监督的在线策略自蒸馏
提出U-OPSD，仅用模型自生成与多数投票实现无监督自蒸馏，超越基线，媲美有监督方法。
超越Top-K：用可解释智能体操作替代黑盒检索
README方法用确定性操作替代向量检索，在长文档数字问答上准确率58.8%，远超稠密检索15.7%，增益源于接口设计而非迭代。
尊重零样本不确定性：测试时自适应视觉语言模型的保守校准
TTA提升精度但损校准，提出ZAEC：以零样本熵为参考做最小温度缩放，无需标签，多数据集上ECE最低。
一个量子比特胜过一比特：后训练量化的量子优势
提出量子随机存取量化（QRAQ），用上下文匹配的泡利测量恢复符号，在最优符号不兼容时显著降低理想重建风险。
人工智能与数字化转型时代的音乐教育挑战
音乐教育面临AI与数字转型的深刻挑战：音乐本质、受众、创作方式剧变，需重新思考教与学。
统一因果推断框架用于获益-风险评估中结局排名理想度范式
提出统一协变量校正因果推断框架估计DOOR概率，模拟比较多种估计方法，CVTMLE-SL表现最优，并用耐药菌数据验证。
最优不可知PAC算法
对有限VC维类构造最优不可知PAC算法，达到统计最优风险界，解决样本复杂度并匹配下界。
面向可靠数据驱动时间使用优化的质量多样性
引入不确定性量化的质量多样性框架，平衡健康收益与模型置信度，产出低不确定性高可靠时间使用建议。
HarnessOpt-Bench：评估LLM的Harness优化能力
提出评估LLM Harness优化能力的基准：优化器模型比编码框架更关键，原生框架无优势，提升空间大。
文本生成：任务、评估与挑战的系统文献综述
系统综述257篇论文，涵盖文本生成五大任务、评估方法及共性挑战，为研究者提供全景与方向。
基于生成式AI的架构引导分层信息提取与语义评估
提出架构引导的生成式人工智能框架抽取非结构化文本分层信息并自动语义评估F1超90%速度是人工30倍
将人类语言学洞察融入AI：多语言语音合成的理论驱动表示
融合语言学理论，采用FUL特征表示，多语言TTS仅需8小时数据即可生成可懂语音，100小时可合成未训练语言，支持混语合成。
大语言模型的解释揭示大脑中的语言表征
用可解释AI归因方法，发现LLM解释与大脑活动对齐，早期层对应听觉区，最终层对应位置信息。
PaDoc：基于布局的并行解码文档解析
提出PaDoc，以布局为分支并行解码，减少解码深度，在文档解析基准上取得领先性能，速度提升显著。
PaCoNet：面向平行坐标的深度数据提取方法
首用深度学习方法提取平行坐标图数据，超越基线，并构建大规模数据集，实现自动分析与重设计。
视觉工具使用的幻觉：对图像思维的因果审计
视觉工具使用常无因果效果，收益仅集中于少数校准案例，存在幻觉现象。
DARAD：面向持续遥感图像-文本检索的双适配器与排序感知蒸馏
提出DARAD框架，结合双适配器与排序感知蒸馏，缓解遥感持续检索中对齐空间扭曲，兼顾新数据适应与旧数据保留。
从失败中学习：基于硬负样本的检索中心思维链用于统一多模态检索
提出UniME-R1框架，借硬负样本模拟检索失败，生成检索中心思维链，优化候选重排与全库重检，显著提升统一多模态检索性能。
思维状态：面向树状思维的结构化行动模板
提出可解释的推理时计算方法STATe，通过结构化行动模板搜索推理模式，提升生成多样性与可解释性。
大型技能库智能体检索方法的比较研究
混合检索优于知识图谱：图边来自同一嵌入邻域，无法扩展检索范围；作者查询高估命中率44点。
iARCS：面向可控三维场景生成的迭代式智能体强化学习
提出iARCS迭代智能体强化学习框架，两阶段训练适配文本任务，提升约束满足度，生成数据可用。
利用弱验证器缩小生成-验证差距
提出一种框架，用弱监督整合多个弱验证器，显著提升推理与数学任务性能，以较小模型达到顶级推理模型水平。
无方程周期感知预报误差收缩：从短轨迹集合估计负最大李雅普诺夫指数
提出周期感知预报误差收缩法，无需方程从短轨迹估计负最大李雅普诺夫指数，经映射验证精度高。
迭代还是加宽？测试时细化何时有助于LiDAR场景补全：证据几何、训练覆盖与计算量的受控研究
受控实验表明迭代细化仅对连续缺失胜过加宽模型，对稀疏删减不如训练增强，对附加杂波无效，且计算成本更高。
Mapping Patient-Perceived Physician Traits from Nationwide Online Reviews with LLMs
通过智能体分解实现稳健的母语识别
提出法证语言学启发的智能体分解流程，汇聚语言证据并综合评估，显著提升母语识别对误导线索的稳健性与一致性。
CogVis：开放词汇变化检测必须为每个查询重新感知场景吗？
提出认知记忆框架，将开放词汇变化检测重构为感知-记忆-验证范式，解耦时间与语义，性能最优，吞吐量提升28.5%。
MicroEvo：知识引导LLM采样用于高效微架构设计空间探索
知识引导LLM采样高效探索微架构空间，Pareto质量提升36.2%，效率提升10.6倍。
逐层位置偏置：短上下文语言建模中的新发现
新框架逐层测量位置偏置，发现近因偏置随层深单调增强，首因偏置微弱递减，且功能词近因偏置高，内容词首因偏置高。
EnvACE：通过世界预演内化环境动态的智能体强化学习方法
EnvACE用世界预演替代外部环境，自演环境响应并端到端优化，内化动态，提升智能体性能。
面向SAM3图像分割的通用概念扰动
提出通用概念扰动UCD，首个针对SAM3的跨概念对抗攻击，显著降低分割性能且可迁移至新模型。
当大语言模型知晓表格：评估表格数据集数据污染的框架
提出表格数据污染评估框架，通过控制查询与统计检验，在8个数据集中发现4个存在污染，显示下游性能或虚高。