优化策略学习来源：可恢复性感知的展开干预学习
提出可恢复性感知干预学习(RAIL)，自适应生成更有效的展开数据，在有限预算下提升模型性能。
AudioScape-TTA：面向细粒度文本到音频评估的结构化声景基准
提出结构化声景基准AudioScape-TTA，含2258对及25707条细则，细粒度评估TTA。
评估视觉-语言模型在视觉和文本扰动下的诊断鲁棒性
视觉-语言模型在脑MRI诊断中，序列与标签扰动致预测翻转率高达67.8%，高精度掩盖临床不可靠性。
MultiPathFormer：面向多径无线传播的基础模型
提出以多径传播为预训练对象，自回归预测路径token，并引入环境检索增强与首路径码本，跨场景迁移优于SOTA基础模型。
叠加的幻象？语言模型潜在思维的原则性分析
只有从头训练的模型表现出叠加；无训练和微调场景中叠加消失或不被使用，因预训练偏向和容量影响。
当缺失成为证据：评估大语言模型对完整性敏感的否定推理
CROWN-QA显示：大模型缺乏完整性敏感否定推理，常将证据不足判为否定，过度闭合，提示难以消除。
打破多语种诅咒：资源感知语音编码器混合实现多对多语音翻译
提出MSRT框架，用资源感知语音编码器混合+五阶段课程学习，45语言上超越大模型，提升低资源性能。
STEP-OPD：重新思考扩散模型在线策略蒸馏中的输出目标与内部动态
提出STEP-OPD，将学习目标扩展至教师之外并约束内部表征演化，超越标准OPD及单任务教师，提升扩散模型蒸馏性能。
面向令牌高效视频语言模型的持久对象叙事
提出SlotNarrative，将视频建模为持久对象叙事，仅用固定144个视觉令牌，实现精度与令牌效率的良好平衡。
AFD-Ledger：注意力-前馈网络分离的部署配置
AFD-Ledger离线分析式配置，评估大减、预测准，同质AFD仅少数场景更优，异质AFD需硬件互补。
基于广义分层抽样的随机仿真用于结构性能化风险优化
提出广义分层抽样与随机多项式混沌展开结合，准确估计响应尾部分布，减少非线性分析，用于结构性能化风险优化。
EASy：迈向高效的基于LLM的智能体系统
提出强化学习智能体框架，联合优化性能与效率，采用能力成本感知编排和里程碑规划，实现更优权衡。
学习何时停止：用于连续控制的前缀最优动态扩散策略
提出POGP，学习前缀值函数，减少约2.7倍去噪步数，保持性能并提升最终任务性能约3.5%。
顺序即保障：验证预算下的静态优先学习式代码删除
用排序调度冗余代码删除，静态优先保覆盖不减，模型扩搜索，执行验证掌最终删减。
SpecRoll：面向推测式强化学习rollout的快慢验证器反馈自适应
提出快慢双路径自适应引擎，保持目标分布，生成提速最高2.15倍，端到端最高2.04倍，优于对比方法。
在词汇空间中解耦MLP神经元权重
提出免前向的旋转优化法，权重空间最大化峰度解耦MLP神经元，恢复可解释词汇通道，性能超基线2-3倍。
能力门控规划：目标代价发现与短视实验选择的局限
自动科学发现中，构建能力的行动虽无即时信息但开启未来路径，短视规划必败；提出CG-Plan以能力感知代价启发式求解。
视觉表示至关重要：利用视频到音频生成中的时间差异
提出TD-V2A，利用帧间时间差增强视频到音频生成，显著提升质量，优于视听预训练等方法。
HUKUKBERT：土耳其法律领域专用语言模型
HukukBERT土耳其法律语言模型19GB语料混合DAPT训练法律掩码测试84.4%分割92.8%
释放隐式奖励：面向分布级优化的前缀价值学习
提出IPVRM隐式奖励模型：学习前缀价值，TD差分得步骤信号；DistRL分布级优化，提升推理验证与策略。
知道何时停止：减少过度思考的片段级信用分配
提出基于正确性分配片段级信用的DASH方法，减少过度思考，提升数学基准准确率。
SSTQ：基于子采样随机TurboQuant的隐私保护向量量化
提出SSTQ框架，结合过完备等范数紧框架与子采样，实现本地差分隐私下最优均方误差，通信仅需少量比特，在联邦学习中优于基线。
病理生存模型中考虑删失的共形下预测边界的多队列验证
多队列验证删失感知共形下界：drcosarc性能因队列而异，半合成场景覆盖率为0.91。
易于完成，难以选择：探究LLM在ProverbIT基准上的表现
意大利谚语基准测试显示，LLM虽能补全谚语，但在无正确选项的多选题中表现骤降，暴露依赖记忆而非深层语义理解的局限。
主动式SWE：无问题报告场景下的编码代理主动缺陷修复基准
现有编码代理依赖问题报告修Bug，但报告常缺失。新基准Active-SWE含1663项多语言任务，评估代理主动发现并修复多个Bug，结果显示现有代理表现不佳。
可提示的跨物种动物姿态追踪
提出两种基于基础模型的动物姿态追踪方法，有监督与无监督结合，用少量标注实现跨物种高精度追踪。
推理后端可改变大模型行为
基准分数受推理框架影响显著，即使贪心解码也变，建议披露后端与生成配置。
Scouting: 成本感知的编码代理路由：先侦察仓库再路由
先侦察仓库再路由编码代理，以约五分之一成本达到最优模型解决率；消融显示交接起主要作用，路由决策并非关键。
集成自适应经验回放与在线不确定性估计的安全Actor-Critic最优控制
集成不确定估计、安全滤波与经验回放，在极端测试中零碰撞且全部到达目标，优于消融方案。
ContextMaster：通过固定预算稀疏上下文路由的交互式多镜头视频创作
提出ContextMaster统一模型，用稀疏路由和蒸馏实现多镜头交互创作，提升任务一致性与速度。
基于主动学习的单目视觉流实时深度感知框架
提出在线主动学习，以弹性权重巩固调控选择性可塑性，使轻量网络实时适应，算力降75%且精度不变。
利用机器学习洞察量子热力学熵
用机器学习分析单粒子量子发动机，发现其机制与经典不同，插隔板成本关键。
当更多反而更少：语言模型中与位置相关的重复效应
完形探测表明，重复词效应取决于读出位置：紧邻重复使概率饱和，错位则呈倒U型，跨模型语言稳定。
用于数据高效RL对齐的宪法网格工具（C-Guard）
C-Guard用宪法网格生成数据，C-LIM识别无效数据区域，避免浪费训练预算，将学习影响从0.733提至0.80。
面向多模态预训练的物理机制：知识流动、模态协同、早期统一与配方
系统探索多模态预训练，发现知识流动、模态协同、早期统一等规律，并提出高效配方，仅用5%计算量实现强生成性能。
OmniEdit-Bench：指令式视频编辑综合基准
针对指令视频编辑评估不足，提出涵盖时空音频等多维度的综合基准，引入精度感知惩罚机制，防止错误编辑获高分，评测显示现有模型仍不理想。
损失不区分基底，Adam 区分
因子模型上梯度下降隐含低秩偏置，Adam因非规范等变而失去；共享标量预条件可恢复，坐标级方法破坏。
BnBERT-iPET：基于彩票剪枝的孟加拉语稀疏少样本语言建模
提出BnBERT-iPET，仅保留10%边即达90%稀疏度，少样本学习性能媲美大型模型，适用于资源受限的孟加拉语。
PURPOSE：通过代理事实锚定更新在RAG中投毒冲突消解
提出PURPOSE黑盒投毒攻击，以代理事实锚定更新最小化冲突，在45个设置中35个成功率最高，平均超强基线9.7点。
指南即预言机：零标注训练眼科电话分诊代理
用指南规则表零标注训练分诊模型，协议从61.7%提至74.1%，急症召回9.5%升至69%。
Eloquence 团队在 MLC-SLM 挑战赛任务 1 中的提交
提出三种多语言会话语音识别方法：评估基线投影器、采用SLAM-ASR训练投影器、探究对比学习与扩展上下文。
多模态时空大气数据同化与潜在流匹配
提出基于潜视频流匹配的统一大气数据同化方法，利用再分析先验和观测后验采样，实现滤波平滑及直接集合预报，性能媲美前沿模型。
从季风肆虐到市场浪潮：预测斯里兰卡渔业的韧性
连接气候与扰动，预测斯里兰卡渔业产量和价格，发现海洋与内陆差异及互补，支持决策。
面向有效B-Rep生成：无需训练的线框异常检测与修复
提出免训练方法WDR，在线框阶段检测并修复几何拓扑异常，提升B-Rep有效性。
InsightEmb：为智能体洞察检索学习动作意图嵌入
提出InsightEmb框架，用数学推理数据学习进度导向的检索空间，跨域提升智能体洞察检索，无需环境特化训练。
UG-UMRE：不确定性引导的模态增强与分布校准的统一多模态关系抽取
提出UG-UMRE，通过不确定性引导的模态增强与联合对齐，过滤噪声并校准分布，在三个基准上取得最优性能。
视觉-语言-动作模型中用于长时程规划的显式语言记忆
提出显式语言记忆分层VLA，将观测转文本记忆，解耦高层推理与低层控制，提升长时程任务成功率与鲁棒性。
释放视觉-语言模型在可泛化AI生成图像检测中的潜力
提出语义原型校准(SPC)，用于感知编码器，在跨生成器、后处理和真实场景基准上超越现有方法，达到最新最优。
DASyR-LLM：借助大语言模型进行领域感知的符号回归以实现动力学模型发现
提出LLM引导的符号回归框架，用于化学动力学模型发现，减少41.7-79.3%迭代，预测性能相当，R²>0.98，能有效注入领域知识。
VQ-VAD：面向人体中心视频异常检测的向量量化运动表征学习
提出VQ-VAD，用向量量化GAN学习离散运动表征，通过重构误差检测异常，跨域泛化强。