评估盲区：静默测量失败如何从训练到部署侵蚀AI系统
提出评估盲区：测量失效掩盖故障影响训练与部署；50例中53%为静默，测量基础设施关乎全生命周期正确性
V-FIND：揭示视频伪造检测器中编码的内在伪造知识
新框架发现视频伪造检测器中稀疏功能神经元，冻结主干仅训练轻量分类器即可检测，揭示可提取复用的内在伪造知识。
连接优于混合：Transformer尺寸之间什么能迁移——什么不能
大转小：表征对齐强，参数弱；投影破坏结构，价值在初始化。补偿低预算高效，高预算趋同；大尺度过校正。
面向文化遗产数字孪生热成像异常检测的材质分割逐像素发射率校正
免训练逐像素发射率校正，SAM分割，基准误差1.97K→0.91K；遗产表面校正小，仅低发射率异常。
临床驱动的分层分类实现一致的胸部X线解读
CHASE：模拟放射科医生粗到细推理，联合多层监督与层级一致性，提升胸部X线解读准确性与一致性。
Qwen-3D：面向空间理解的全能3D视觉语言模型
Qwen-3D用3D几何压缩视觉，在场景推理，用查询分割解码器统一语言与几何，超越3D LMM及2D模型。
更多辩论，同样证据：同质多智能体基于证据验证的结构性局限
多智能体辩论未必提升事实核查准确性，六基准测试中两升一降三不确定，收益受系统结构限制。
GSTEP：面向高效视频大语言模型的全局时空密度驱动视觉令牌剪枝
提出GSTEP全局时空密度剪枝，平衡信息密度与覆盖，剪75%令牌保持性能并加速。
PDD-RRG：面向检查级放射学报告生成的后验诊断决策
提出后验诊断决策框架，整合多视角报告，利用贝叶斯后验概率和阈值聚合诊断，无需重训练提升临床效果。
语言模型编码命题的语境真值
研究发现语言模型以线性方向编码语境真值，受对话中他人断言影响，并可区分两种迎合行为。
PAMT：面向多领域机器翻译的过程对齐强化学习
提出PAMT，用域感知长思维链监督与强化学习，以步骤级过程奖励解决翻译推理漂移，性能超越基线。
基于水平集成本感知贝叶斯优化的灾后快速损害评估自适应采样
用成本感知贝叶斯优化与水平集估计，自适应引导无人机采样，低成本高精度快速评估灾后损害。
基于VLM的3D室内场景生成的全局图验证优化
提出图验证与混合搜索方法，实现开放词汇3D室内布局的全局语义一致与物理可行，达到最优性能。
基于广义福利优化的群体稳健特征选择
PopFS通过多任务稀疏学习与硬特征搜索，平衡整体与最差群体性能，实现群体稳健特征选择。
PI-Mem：以并行迭代记忆将长上下文推理扩展至360万token
PI-Mem并行迭代精炼共享记忆，突破长上下文瓶颈，在360万token上准确率提升超6点，速度提升达6倍。
基因本体引导的组织病理图像空间基因表达层级预测
提出MSGR，用基因本体层级引导病理图像的基因表达预测，优于扁平解码；增益源于生物本体结构，非单纯层级分解。
图注意力何时应稀疏？学习每条边的 Tsallis 指数
提出LTGA，逐边学习Tsallis指数q；性能未优于网格搜索，但可剪除42%错误边，具可解释性。
论文字破译中统计度量的非特异性
生成式徽章系统测试表明，常用统计度量可检测符号组织性，却缺乏语言特异性，不能单独证明编码言语。
AIDE：基于蒸馏专家知识的自动化指令，用于无参考动作技能辅导
AIDE通过蒸馏专家知识，仅靠学习者姿态生成教练反馈，性能优于无参考基线，媲美需专家示范的方法。
学习协调符号工具：面向可验证平方和证书的LLM智能体
利用符号工具与验证器反馈，LLM智能体在加权平方和分解上验证成功率达78.96%，九项任务宏精度91.75%。
神经组合优化的几何自监督预训练
提出几何自监督预训练，增强神经组合优化泛化，大规模零样本提升7.23%，并大幅加速。
超越准确率：大型语言模型统计推理的多维评估
现有评估重准确率、轻解释方式。综合准确率、行为、主题建模及词汇分析，发现模型准确率差异大，但概念结构趋同，同供应商风格更相似。
模仿还是估计？基础模型与后训练语言模型在意见模拟中的不同优势
基础模型更擅长生成个体响应模拟人群，后训练模型更擅长直接预测总体分布，选模型应依据任务类型。
CrystalMem：基于知识结晶的自进化大语言模型智能体弹性记忆
提出晶体记忆弹性机制，四态降级与再结晶消除记忆滞后，恢复能力最佳，半预算即达全量基线。
激活引导的神经元干预以在大型语言模型中诱发阿尔茨海默病相关计算语言表型
通过放大与阿尔茨海默病相关的神经元，在大型语言模型中诱发了类似AD的语言损伤，证明其行为影响。
对比不变的深度叠层衍射神经网络
提出因子化策略解耦物体纹理与测量缩放，并用实虚部预测及合成采样，实现跨光照一致重建，傅里叶误差较基线降5倍。
RIDGE：基于内部动态引导的重新加噪图像编辑
RIDGE免反演免训练，用内部动态引导重新加噪近似目标，提升源保留、目标对齐和感知质量。
CVPO：通过值方差自适应与动态课程学习增强大语言模型强化学习推理
针对强化学习反馈精度不足和难度漂移问题，提出CVPO方法，利用值方差调整优势并动态适配题目难度，超越VAPO，提升数学推理性能。
WM-Cov：交互式世界模型风格自动驾驶仿真的测试充分性
WM-Cov通过有效证据覆盖率评估交互式世界模型测试充分性，而非原始故障或提示覆盖率，支持预算内收敛决策。
GoT-CD：思维图谱因果发现与事后路径特定公平审计的脆弱性
GoT-CD生成有效DAG且结构优良，但结构保真不保证公平审计；阿尔茨海默基准中5/8图缺失敏感属性到结果路径，导致总体效应为零而中介效应仍存，需结合路径分析。
基于非确定性因果模型的鲁棒反事实策略优化
提出概率非确定性因果模型，区分潜在混杂与固有随机性，于敏感性分析下优化稳健反事实策略，经脓毒症模拟器验证。
TASQ：扩散模型的时间自适应位稀疏量化
提出TASQ，共享最大精度权重并用时空掩码减少不敏感阶段计算。质量与静态量化相当，周期降25%-50%。
RF-HOI：利用射频信号识别人-物交互
首次仅用射频信号识别人-物交互；融合毫米波雷达与射频识别，并借合成数据增强泛化，性能逼近视觉方法，且保护隐私。
TQLite：多LLM评审团引导蒸馏，实现实时MQM翻译质量评估
用多LRM评审团蒸馏训练小模型，MQM评估性能接近最佳LRM，远超普通小模型，高效经济。
三种表征策略下的信任及其背叛
信任作为虚拟认知状态，三种表征下有限共同信任可实现，完全固定点困难，背叛表现各异。
CorePath：乳腺专科病理基础模型，用于穿刺活检诊断与风险受控报告生成
乳腺专科病理基础模型CorePath提升活检分型准确率，非乳腺幻觉由30.1%降至2.8%，风险控制实现零幻觉报告生成。
SeqLLM：为微信支付高风险决策而用行为序列建模增强LLM
SeqLLM为微信支付提供行为序列建模增强，筛查精度由92.0%升至97.5%，并保持语言能力。
DiverseDiT++：扩散Transformer中表征多样性的量化、分析与促进
提出加权多样性分数(WDS)衡量扩散Transformer块间表征差异，发现其与生成质量强相关，据此提出DiverseDiT++促进多样化表征学习，提升性能。
RMSWeb：面向智能体强化学习的反思、失败模式挖掘与Salvage-DS方法
提出RMSWeb，含反思重试、失败模式挖掘和Salvage-DS，减少动作步数，在多个网页任务上较SFT提升1.2-7.7分。
CAPE-T2V：面向文生视频生成中双侧条件对齐的标注器锚定提示增强
CAPE-T2V方法：两阶段微调提示增强器与扩散模型，缩小推理与训练描述差异，提升文生视频生成质量。
AnchorKV：锚点残差KV缓存压缩
AnchorKV用锚点残差表示KV缓存，不丢token，20倍压缩，70B下保留99%精度。
AI智能体中的贝叶斯推理与动机推理
AI代理面对相同数据时，因情境框架改变而得出不同结论，受先验信念影响，导致决策委托存在风险。
Bayesian Data Reweighting Improves Multimodal Retrieval for Knowledge-Based Visual Question Answering
LDU-Bench：布局变化电路背景下的光刻缺陷理解多模态大语言模型评估基准
提出LDU-Bench，多任务评估光刻缺陷理解，分四任务。现有MLLM仅缺陷分流可靠，后续形态、定位、归因薄弱，揭示跨层结构化理解不足。
基于客户基础的驱动因素预测收入：协调何时及为何有益
CBMT模型协调客户基础原始预测，总销售误差降低30%，高波动时优势减小。
Maglev：滑动循环记忆
提出递归模型，固定记忆、泛化滑动窗口注意力、可并行训练；双模型一致性损失，推理仅用解码器，性能提升、支持参数共享。
先矫正后扩散：在去噪轨迹展开前解耦概念
提出RTD框架，在去噪前矫正初始概念分配，解决多概念生成中遗漏或错误合并问题，显著提升组合保真度并加速。
评分细则作为开放生成中的特权信息
将评分细则作为软特权信息用于开放生成，优于硬参考和奖励方法，显著提升模型性能。
歧义去哪了？探究多模态模型如何理解多义词
多义词生成中，模型图像比文本歧义更少，且都低于人类想象；模型自报分布却更广。
压缩前先诊断：面向LLM服务轨迹的预测无关瓶颈见证精炼
提出BPW框架，用非代表性工作负载保留各瓶颈证据，经候选提名、覆盖优先构建和直接测量验证，以紧凑集达诊断门限，性能领先16种策略。