Aura · 时间线

TRACE：面向生成校准的单次解码轨迹风险定位

TRACE将解码时不确定性视为轨迹，记录token意外度与熵，用局部风险算子保留尖峰并转为答案级置信度；TRACE+校准后在四任务上降Brier、升AUROC。

NRF-GS：面向高表达力与紧凑高斯泼溅的神经残差场

以共享全局神经残差场替代逐高斯球谐，增强视角相关反射建模，高斯数量减少50%仍保持或提升渲染质量。

AnyAct：面向自进化智能体的通用动作层

提出通用动作层AnyAct，以渐进检索与测试时演化统一异构反馈，实现动态工具生态下的可靠高效编排。

面向医院患者流优化的物理信息多智能体协调

提出物理信息多智能体协调框架，将BCMP排队先验嵌入去中心化强化学习，协同优化患者流并降低系统延迟。

语言作为界面：基础模型对比学习连接转录组与电生理

LangPatch以语言为界面，用冻结文本编码器对齐基因与电生理表征，实现跨模态预测及脑区、物种迁移。

低秩参数化之外：通过梯度分解缩小LoRA与全量微调之间的差距

GDLoRA将权重梯度正交分解，提取LoRA切空间之外的“法向梯度”直接更新基权重，不增显存即缩小与全量微调的差距。

无模态误导的端到端自监督RGB-T跟踪

ESMTrack：端到端自监督RGB-T跟踪，免伪标签与密集标注，缓解模态主导，五基准领先且实时。

从可行失败前缀中学习：面向长时程LLM智能体的里程碑可行性潜力策略优化

提出MVPO，从可行失败前缀学习并修复零信用优势，显著提升长时程LLM智能体表现。

MSTypography：通过平衡词语可读性与物体可识别性实现多字符语义排版

提出全局到局部的多字符语义排版框架，兼顾字形可读性与物体可识别性，在五种语言上超越SOTA。

FedLAFP：联邦微调中低秩聚合与全秩个性化的融合

FedLAFP以共享LoRA低秩聚合、客户端私有RandLoRA全秩个性化，仅交换共享参数，四基准平均准确率86.93%，超最佳基线1.30个百分点。

MatToolBench：面向真实材料科学工作流的多模态智能体基准测试

首个真实材料科学软件多模态智能体基准，含204项任务，最佳仅GUI 25%、代码45%成功率。

面向设备-边缘多模态推理的基于残差向量量化的任务导向视觉特征压缩

提出Q-TOFC，用残差向量量化压缩视觉特征，融合查询相关聚合与量化误差补偿；负载较TOFC降53.6%，性能相当，时延更低。

ACTR：对齐思维与响应，提升推理型大语言模型的多语言安全性

ACTR框架通过定位安全思维神经元并优化推理与响应一致性，提升推理大模型多语言安全性。

基于项目反应理论的评分标准奖励

提出RRT，以项目反应模型聚合评分标准判定，在线EM更新，减少评审请求并优于GRPO。

观看-思考-交互：用强化学习自举长时程多轮流式视频推理

提出WTI闭环框架，以记忆与选择性回忆实现多轮流式视频推理，在基准上取得最佳性能。

面向结构化表示学习的几何感知算子族

提出GIOF，从固定几何构造传播算子族并按上下文动态选择，理论完备，交通缺失场景MAE更低。

Mycelium：面向配电系统的可泛化跨电网多任务模型

提出可泛化跨电网多任务模型Mycelium，基于异构图与物理仿真，在未见配电网多数指标上超越专用基线。

自适应循环 Transformer 提升测试时扩展

提出 TaH2，按需分配循环迭代，提升测试时扩展效率；AIME 上准确率-算力斜率提高 53%，同算力超基线 3.4 分。

从宪法到控制：面向语言模型对齐的可解释奖励

提出基于评分标准的框架，将通用宪法转为可解释、可调的奖励模型，通过重加权定向控制行为并缓解偏见。

改进的分布扩散模型

将粒子扩展推迟至后层并引入时间相关评分规则调度，使分布扩散模型少步生成质量优异且不随采样步数退化。

KernelZero：协同进化提议器与编码器，持续改进 GPU 内核生成

KernelZero 通过提议器与编码器协同进化，按能力生成训练模块，先确保正确再优化性能，持续提升 GPU 内核生成。

自动微分的精确性局限：论物理信息机器学习中自动微分的失效

自动微分虽能精确计算导数，却无法感知物理结构，数值精确不等于物理保真，这一缺陷将重塑PDE神经代理模型的构建。

打破静态评估下评审可靠性的幻象：面向基于大语言模型的科学审稿人的SCOPE模糊测试

构建三层扰动评估框架，揭示静态评估的分层脆弱与覆盖不足，提出SCOPE-Fuzzer持续挖掘被忽视的漏洞。

为何多模态大模型难以计数：以ConvStack突破个体化与聚合瓶颈

揭示MLLM计数受分块个体化与聚合压缩双瓶颈制约，提出ConvStack注入局部结构提升密集计数。

D-JEPA：具有可互换物理解码器的设计可恢复JEPA表示

D-JEPA从几何学得设计可恢复表示，配可换物理解码器复用，抑制塌缩，兼顾预测精度与可微设计优化。

眼所惧者：以读盲写入解释 Transformer 中的巨量激活

巨量激活源于注意力与FFN的读写不对称：读时无视MA、写时照常，阻断纠错并累积；读盲先于FFN放大且被主动维持。

ECG-Scroll：面向动态心电图解读的长时程流式基准与智能体环境

提出长时程流式心电图解读基准与智能体环境，按块流式输入，在线定位阵发事件，规则奖励并可衡量检测延迟。

后层注意力层单独即可复制实体词元，但需关注其上下文

Qwen3-8B中，后半部两组注意力层是实体复制必要且充分条件，上下文对实体词元的注意力也不可或缺。

基于指令分解的多粒度语言引导模仿学习

提出指令分解的多粒度语言引导模仿学习，将整体任务描述拆解为细粒度子任务指令，提升学习效率与性能。

TaoFlowForge：基于级联流匹配的渐进式原生网格生成

基于级联流匹配将网格生成分解为顶点与连接预测，两阶段粗到细，图像条件下达开源拓扑生成SOTA。

QuanReview：面向人类与LLM跨度标注的离线、可审计协调

开源系统对齐人工与LLM标注，自动合并一致项，将冲突交由人工裁决并导出修正标注层。

追溯三千年来甲骨文字的演变

提出流形文字演化框架MSEF，将甲骨文至楷书字形建模为流形连续演化，以神经常微分方程学习跨时代转换规则。

Waypoint-1.5：面向消费级硬件的实时视频世界模型

Waypoint 1.5 是可实时运行于消费级硬件、响应键鼠操控的交互式视频扩散世界模型。

MS-GLA：多尺度门控线性注意力——以多时间分辨率破解表征瓶颈

MS-GLA让注意力头跨多时间分辨率分工，粗粒度抓长程依赖、细粒度保局部句法，动态融合重组，不增单头状态即扩记忆。

从非规则观测中免模拟学习高斯过程随机微分方程

提出免模拟变分框架GP-SDE Matching，处理不规则观测，提升漂移恢复与预测。

线性注意力如何记忆

线性注意力用固定循环状态存储事实，读写集中，多事实共享表征且相互干扰，负载越高召回与可编辑性越差。

执行框架学习实现可泛化的测试时自适应

训练提议模型按执行反馈修正求解器的执行框架，测试时不改参数即可泛化适应新任务。

语言模型会依据隐藏效价行事

激活引导显示，语言模型会依据隐藏效价做选择；该效应在DPO后显现，模型还会主动移除强加的负效价。

大语言模型能否正确评估证据价值？动态医学诊断中的证据—价值错位

提出动态医学诊断基准，揭示大模型证据价值错位，并设计框架，准确率提升12–51个百分点。

CARVE：利用可复用专家经验打破芯片布局数据壁垒

以冻结基础策略和验证专家复用经验，新任务先复用否则新训；宏布局耗时降58.5%，免训复用6/7电路。