Aura · 时间线

合成数据能否克服基于AI的豇豆花荚检测在育种基因型和环境间的泛化局限？

合成数据能克服AI花荚检测泛化极限，但需测量优化域差距；HDR合成数据加5张真实图像即可不逊于真实基线。

检测与管理老年人认知障碍的技术进展：趋势、挑战与未来方向

人工智能与多模态技术助力老年人认知障碍检测管理，外部验证与标准化是挑战，未来需个性化方案。

SEDR-Seq2P：用于多任务工业非侵入式负载监测的轻量级膨胀残差序列到点网络

提出轻量级SEDR-Seq2P，用于工业多任务NILM，融合膨胀残差与SE注意力；相对Seq2Point降MAE 7%、升R² 1%，相对WaveNet降延迟58%。

令牌级诊断大语言模型谄媚行为：基于归因引导的干预

提出ASI归因法发现谄媚响应更关注权威标记，据此构建对比激活引导，将谄媚率从96%降至25%。

安全，还是仅仅能力？代理安全基准的效度审计

四个代理安全基准在22个模型上评分各异，能力与安全负相关，小样本导致排名不稳定，需明确基准、指标、行为和模型集合。

揭秘大型推理模型中基于熵的思维链压缩选择

熵剪枝无优于随机剪枝，仅数学任务低熵token有效，推理信息分散而非集中。

核查问题：受监管企业中AI上线前必须满足什么条件？

AI在受监管企业难落地，实测仅56.1%配置达标；无置信度需全量核查，引用加置信度降至49%，自校验更慢且未达标。

基于STL-GO的具有时空与拓扑约束的多智能体规划

针对时空与拓扑约束的多智能体规划，提出STL-GO的MIP与SMT编码，并在多无人机搜救中验证。

针对各向异性体数据的2D/3D混合CNN胸部CT COVID-19病例自动分类方法

提出2D/3D混合CNN，从三垂直面提取特征自动分类胸部CT以辅助诊断COVID-19，准确率83.3%。

东干语形态核心：双方言有限状态模型与多体裁评估

东干语显性形态罕见且有限，歧义集中于两个附着词，语法核心封闭，开放前沿实为词汇。

自监督技能优化

提出自监督技能优化框架，无需任何真实标签，仅用未标注任务实例和LLM评判优化技能，性能超越现有无监督优化器，接近甚至超过有监督方法。

Mitigating Class-Tail Undercoverage in Medical Vision-Language Models under Clinical Shift

LegoQ：高光谱分类的谱-空状态转移密度矩阵表示学习

提出密度矩阵表示学习框架，通过谱-空状态转移与原型保真度分类，有效处理混合像元，提升高光谱分类精度与可解释性。

TELLER：面向表格实体链接的双路径迭代偏好优化

提出双路径迭代偏好优化法，动态更新偏好数据并规整推理长度，提升表格实体链接准确率，验证迭代学习有效。

顺滑应对抵抗：偏好优化的LLM咨询师在动机性访谈中可权衡目标坚持与人际协调

惩罚对抗可降低目标坚持但人际协调提升因模型而异；惩罚屈服无效；仅提示词能提升协调而不损目标坚持。

金融大语言模型应用的系统级验证：基准测试不等于验证

金融大模型系统仅凭基准成绩不能上线，需跨数据、模型、检索、智能体、治理等全栈持续验证，而非一次性评分。

DiffAttack：基于潜在扩散模型的人脸识别规避攻击

提出DiffAttack，用潜在扩散模型生成对抗人脸，成功率84.86%，迁移性超越现有方法。

SciToolAgent-Evo：本体感知的自进化开放世界科学工具获取智能体

提出一种本体感知的自进化智能体，动态平衡探索与利用，在开放世界科学工具获取上表现最佳。

TAGTorch：用于几何、拓扑与对称感知机器学习的PyTorch库

TAGTorch库，统一拓扑代数几何，涵盖预处理、架构、训练与分析，填补生态缺口。

CAER：面向多模态大语言模型的冲突感知证据路由与双前缀专家

提出CAER，用跨度证据路由和双前缀专家实现视觉-语言冲突检测与生成，不更新骨干参数，提升可靠性。

EarlyDx：以入院锚定的急诊诊断证据支持开放式生成基准

提出急诊早期诊断基准EarlyDx，基于MIMIC-IV超15万病例，仅用入院时证据，评估表明现有模型推断能力不足。

基准并非铁板一块：面向大语言模型评估的样本级审计与编排

提出数据集中心的元评估框架，对基准样本做五维审计，揭示异质性，支持按标准重组子集以定向评估模型。

镜像学习

提出镜像学习，用视频扩散模型和逆动力学将第三人称观察转成伪第一人称数据，提升模仿学习，替代遥操作采集。

检索驱动的免训练AI生成视频溯源

提出免训练检索式AI视频溯源，利用生成指纹聚合跨帧伪影，性能超越现有方法。

NeSyFS：部分可观测环境下大语言模型智能体的神经符号快慢思考框架

提出神经符号快慢思考框架，用知识图谱表示信念状态，结合反思应对部分可观测，显著提升规划与决策效果。

缺失数据下的流匹配

将缺失坐标作为潜变量平均损失；证明在完全随机缺失下修正精确，方差不增，单次补全最优，实验验证。

模型还是框架？面向交互的智能体失败定位分类法

现有评估归因于系统整体，掩盖故障源头。提出交互中心分类法，按交互边界与责任方定位41种失败模式，明确模型或框架修复归属，跨架构适用。

预训练机器学习原子间势表征作为材料生成与评估的粗粒度坐标

预训练原子间势（如MACE）粗粒度特征用于材料生成与评估，提出CFTD距离同时衡量质量与新颖性，并指导生成模型。

LSR-Synth 中的库可达性：反记忆化设计如何改变符号发现的测量

固定词库已覆盖多数任务，语言模型候选仅当词库受限时有用，当前基准不足以识别超越固定搜索空间的先验贡献。

用于增强复杂离散选择任务决策的机器学习方法分析

评估四种ML模型在五种选择规则上的表现：半/非参数优于参数，性能随训练集和确定性提高，案例TNN最佳。

超梯度双级强化学习：提升样本复杂度

提出免海森矩阵的超梯度双级RL算法，利用玻尔兹曼策略最优性，实现O(ε⁻¹)迭代复杂度与最优样本复杂度，并去除PL假设。

TextCloak：通过强化学习驱动的不可学习文本，阻止未经授权的大语言模型利用

提出TextCloak框架，用强化学习生成不可学习文本，使未经授权的大模型微调失效，且保持文本可用。

SafeNexus：发现并调控多模态大语言模型中的模态通用安全神经元

提出SafeNexus，定位调控模态通用安全神经元，经激活放大或微调校准增强多模态安全，保持效用。

将大语言模型知识蒸馏至轻量级强化学习智能体以用于自主网络作战

用网络安全大模型指导强化学习，经在线策略蒸馏至6万参数轻量智能体，在CybORG中保持防御能力。

RAID：利用位反转图像实现鲁棒的AI生成图像检测

提出基于位平面的位反转图像检测AI生成图，理论验证有效，跨生成器/数据集和零样本性能优，速度快近100倍。

不完美对齐下价值的脆弱性

研究表明，过度优化不完美代理会导致灾难性后果，需限制优化压力而非仅依赖训练。

最好的朋友，并非永恒：评估AI伴侣的长期人格坍缩与行为漂移

审计2008段对话发现：所有模型无法保持人格与记忆，轨迹准确率44.4%，用户状态回忆接近随机。

通过贝叶斯实验设计识别用于认知参数推断的信息性环境

将认知实验设计建模为贝叶斯实验设计，摊销框架以更低成本匹配精确方法，并揭示信息目标权衡。

物理信息神经网络与神经算子的特征交互建模

将因子分解机特征交互融入物理信息神经网络与神经算子，提升参数化PDE求解，对激波主导方程增益显著。

面向高效提示微调的视觉分布锚定

提出VDA：用类级视觉原型增强冻结分类器，免训练适配，提升多种提示微调方法3.2-3.4点

基于3D CNN和3D MLP-Mixer混合模型的胸部CT体数据COVID-19病例分类

提出3DCNN与3DMLP-Mixer混合模型分类COVID-19胸部CT1205例准确率79.5%

MMFGU：多模态联邦图遗忘

MMFGU基于目标特定表示解耦，实现多模态联邦图细粒度遗忘，保持保留效用且提速41.5倍

仲裁式图像描述：严格零样本图像描述的多智能体对齐评分与共识蒸馏束搜索仲裁

提出多智能体验证与共识蒸馏的零样本图像描述法，COCO的CIDEr达117.6，较基线提升9.6。

MerchantBench：评测电商运营中 LLM 智能体长期一致性的基准

电商长期运营基准，模拟365天订单与26种工具，测试LLM智能体一致性；最优模型仅达人类最终净资产的27.3%。

MHRGait：基于动量人体骨骼姿态的步态识别

提出动量人体骨骼姿态表示步态，仅用2.76M参数实现高效识别，优于模型方法，并能与轮廓融合提升性能。

SULAND v2：面向无人机/无人车地表地雷检测的精细化RGB数据集与域偏移下深度学习检测基准

修正标注与类别约定后，YOLOv8性能提升显著；YOLOv12室内最优，RF-DETR鲁棒性最佳，揭示高精度不等于实战可用性。

从行间注到集注汇编：面向中国古典文本经注知识的情境保持型组织

提出自动编纂集注的NLP框架，保留注文语境依赖，聚类跨版本注释，F1超97%，支撑经注知识大规模组织。

面向一致多参考图像编辑的评估-验证奖励

提出多维评估-验证奖励，用验证者依据视觉证据判断MLLM假设，实现多参考图像编辑的强化学习，提升一致性与和谐度。

论思维链忠实性中转向向量的泛化

转向向量能提升思维链忠实性，泛化广泛，构建方法影响小，不增加提示使用但减少隐藏使用。