RLPF：面向代码生成的性能反馈强化学习
提出RLPF，采用分阶段奖励，先依执行进度、后依相对改进排序，训练代码模型同时提升正确率与运行效率。
Bunraku：将单张插画转化为可编辑的Live2D角色
首个从单张插画生成完整Live2D资产（分层、网格、动画）的系统，采用分层扩散与联合预测实现。
PlatformBid：统一广告平台视角下的自动出价基准
首个平台视角出价基准PlatformBid，覆盖三种竞价场景，新方法BidFlow线上提升0.68%
SDO：面向高效大语言模型后训练的结构感知数据组织
提出结构感知数据组织框架通过邻近批处理与曝光均衡调度加速大语言模型后训练收敛并平衡各类问题的精度
AI在天气与气候信息领域的崛起及其对全球不平等的影响
AI加剧全球气候信息南北鸿沟，需共建气候数字公共设施、福祉评估与知识共创。
多问少说：减少大语言模型中的谄媚行为
非问句更易引发谄媚；将非问句转为问句，能显著减少模型迎合，优于简单提醒。
多轮语言模型交互中的状态依赖安全失效
研究表明，多轮对话中的安全失败源于上下文状态演化，而非单轮提示；提出了状态导向诊断框架STAR，揭示模型在交互中可快速、可复现地安全崩溃。
重新思考基于EEG的疾病诊断：解耦实例表示学习与受试者级监督
两阶段解耦实例表示与受试监督，预训练免标签，MIL聚合；15设置14最优，acc 76.57%，超基线4.28%
BioHiCL：基于MeSH标签的层级多标签对比学习用于生物医学检索
提出BioHiCL，利用层级MeSH标签进行多标签对比学习，在生物医学检索、句子相似度及问答任务上性能优异且高效。
分数持平，失败放大：错误预算如何掩盖量化LLM智能体中的损伤
4比特量化LLM智能体看似无损，实则放大既有失败2.5倍；错误预算掩盖损伤，缩至两个错误即现17分差距。
基于激活水印的自适应鲁棒LLM监控
提出激活水印(AWM)，通过密钥方向对齐隐状态检测违规，使自适应攻击逃避率减半，并能归因违规策略。
REAP：从交互式生产使用中自动整理编码智能体基准
提出REAP，自动从真实开发会话构建编码智能体基准，无需人工标注，通过自动验证保证可靠性。
面向人类活动识别持续学习的门控自适应
提出冻结表征上的通道门控自适应，仅训练少量参数，显著降低遗忘并提升精度。
快车道假说：冯· economo 神经元实现生物速度-精度权衡
冯· economo 神经元提供快速低精度通路，加速社会决策但牺牲准确性，首个计算模型验证其调节速度而非表征能力。
基于测量次数的量子编码：量子神经网络的数据加载范式
提出基于测量的量子编码SBQE，利用测量次数作为可学习自由度，性能优于幅度编码，且无需数据编码门。
面向共情大模型辅导的表情感知提示
利用动作单元或峰值表情帧提示，无需重训即可增强大模型辅导共情，且不损教学清晰度。
压缩视频聚合器：面向高效微视频推荐的内容驱动模块
CVA轻量级模块，解耦视频信息与偏好学习，大幅降低训练时间和GPU内存，重选关键帧可提升性能。
AI辅助开源软件提交预审：BOSC 2026经验报告
BOSC 2026用AI预审摘要六项标准，并容器化测试可运行性；评审者认为有用，但需人工核对。
选择零样本意图分类的开源权重语言模型：对41个模型的系统评估
系统评估41个开源模型，3B指令微调可超7B基座，主流基准已饱和，需关注校准与部署效率。
实践中的提示链：自动化学术报告生成的案例研究
提出多阶段提示链方法，用于自动化学术报告生成，成功率100%，ROUGE-L分数优于单次提示。
共情框架：评估跨社会人口群体的AI对齐
评估LLM对新闻框架的情感对齐，发现模型间差异大，领先模型整体对齐但各群体间存在显著差异。
BridgeAlign：架接人文社科领域的偏好对齐
提出BridgeAlign，三阶段偏好对齐管线，经21万样本训练，使Qwen3-8B在17项基准上平均最优，兼顾人类偏好与知识能力，无权衡。
LayerRAG-Bench：智能体检索增强生成的跨层可靠性基准
提出跨层可靠性基准，揭示仅靠模式规范化或证据性评估无法全面修复各层故障。
HSS-Synth：面向大语言模型的人文与社会科学数据合成
提出HSS-Synth人文社科数据合成流水线，生成23.7万高质量指令样本，微调Qwen3-8B超越14个基线，达到新SOTA。
相同事实，不同诊断：临床语言模型中叙事锚定的测量与缓解
临床语言模型存在叙事锚定：相同事实不同表述致诊断分歧。NarrativeShield可将其降至近零。
MPIE-Bench：面向解剖合理的多人交互编辑基准测试
新基准MPIE-Bench用网格重建评估多人交互编辑，解剖与接触轴分数低，VLM评估过饱和。
基准测试残差：长视野评估在匹配短任务性能之外带来了什么
长期任务失败需与基于短阶段的基线对比，用水平残差（对数比率）衡量，并需明确选择机制。
学习色彩分级，无需照片共享：面向个性化图像增强的联邦美学偏好学习
提出联邦美学偏好学习框架，无需共享照片，用轻量评分器指导调色，在保真与自然间取得平衡。
AHA-Memes：面向阿拉伯语表情包中仇恨理解的细粒度多模态基准
首个大规模阿拉伯语仇恨表情包基准：含5K细粒度标注与66K银标，评测多种模型并开放数据。
重尾噪声下Adam的收敛行为
首次证明普通Adam在重尾噪声下收敛至(ρ,ε)-稳定点，但复杂度次优且依赖p；已知域半径时可最优。
EvoCause：基于LLM引导的因果图演化用于根因分析
EvoCause利用大语言模型提出因果图编辑，结合专家标签优化根因分析，在合成数据和真实电信基准上显著提升性能。
MeshFM：二维特征足以实现三维形状理解
MeshFM将2D基础模型特征蒸馏至3D，免3D标注，前馈预测，下游任务媲美3D监督方法。
THGFM：双分支时间异构图融合模型
提出双路径架构，融合共享与关系分区时间注意力，引入旋式时间注意，显著提升学术图基准性能。
ZMIS-SAM：小波变换增强的浮游动物显微图像实例分割模型
提出ZMIS-SAM，结合SAM与小波，解决浮游动物显微分割的三大问题并达最优性能。
目标对齐的直接答案监督微调用于鲁棒多帧医学视觉问答
目标对齐直接答案微调是医学视觉问答最强鲁棒方法，提升准确率，稳定可校准可迁移，胜过复杂方法。
BlindPSNR：低光图像增强的无参考保真度预测器
提出BlindPSNR无参考预测器，融合增强图与低光输入估计PSNR，将配置选择准确率从54.4%提至89.5%，泛化强。
MedXplore：迈向医学影像中可靠且无偏的广义类别发现
提出MedXplore框架，从感知与决策层面优化医学图像广义类别发现，提升病变敏感表示，缓解旧类偏差，平均精度提升8.5%，显著降低假旧错误。
大语言模型在概率算子上的逻辑推理能力基准测试
提出概率算子推理基准（1.4万提示/15模板），测29模型：多数有独立于逻辑形式的是/否偏好，仅9个优于随机。
多模态大模型越界上下文评估综合基准MMOOC
提出MMOOC基准，含4.1万图像-问题对，评估多模态大模型在上下文偏移下的拒答与鲁棒回答能力，发现现有模型难以平衡两者。
位置而非来源：区分医学视觉语言模型中的推理中介与谄媚
提出CoT-Mediate：推理注入方式影响医学视觉语言模型，位置而非来源决定其采用生成推理。
推理时智能体决策规则优于更长演化搜索的多图像医学推理
多图像医学推理中简单顺序投票规则优于复杂搜索，延长演化搜索无益，正确决策规则更重要。
ZUNA1.1：一种更灵活的脑电基础模型，用于去噪与超分辨率
提出380M参数的扩散自编码器，支持任意通道位置及30秒脑电序列重建，性能优于标准方法，开源。
TIER-MoE：生物医学分类中多模态融合的基于条件模态风险的信任引导专家路由
模态预期损失定可靠性，结合专家兼容性稀疏路由，在生物医学多模态分类中性能与校准优于SOTA，零样本泛化强。
基于压缩的行为相似性：以太坊开放世界女巫发现
利用压缩距离分析交易语法，无需资金关联即可检测以太坊女巫账户，抗时间漂移与对抗扰动。
4DHumanDiff：直接文本到4DGS生成，实现一致360度动态人体
文本直接生成360度一致的4D动态人体，免视频预生成，推理提速超10倍。
探索式建模：解锁第三预训练轴与端到端生成
探索式建模通过K候选匹配选优训练，实现端到端生成，提升图像、视频、语言性能，效率大幅提升，成为新预训练轴。
区块链分析中的建模决策：树模型与序列模型的泄漏感知评估
泄漏感知下，树模型胜出：XGBoost优于序列模型，延迟能耗更低，实时检测女巫机器人。
推动全曲生成的前沿：层次化自回归规划与流匹配渲染
提出统一框架，支持歌词、器乐、翻唱生成，基于层次化自回归与流匹配渲染，提升全曲质量。
极值Chowla集及其线性类比：使用Co-Scientist的人机数学研究
引入有限群中Chowla型极值不变量，得到循环群与阿贝尔群精确公式，并证明可分扩张的线性类比C(L/K)=[L:K]-d_max；人机协作验证。
G2VD：基于反事实干预与因果解耦的泛化AI生成视频检测
提出反事实干预与因果解耦的视频检测框架，消除捷径学习，跨域准确率超九成，F1/AUC显著提升，仅用一成训练数据。