捕捉令牌趋势：多模态大语言模型的免训练令牌剪枝
提出趋势感知剪枝，捕捉注意力流动量，动态恢复被低估的晚期重要令牌，以近八成令牌削减保持性能。
Cocktail-Talker：嘈杂社交环境中的多说话人对话建模与回合动作GRPO
提出鸡尾酒对话者，用回应、聆听、忽略三种动作令牌，在嘈杂多人环境中实现选择性对话。
IFHierBench：面向大语言模型的分层指令遵循基准
提出分层指令遵循基准IFHierBench，含600提示词；最强模型准确率仅略超50%，随约束深度显著下降，分层指令遵循仍有较大差距。
基于自动提取的概念激活向量解释图像相似性
提出基于稀疏自编码器概念向量的图像相似性解释方法，支持成对与群体分析及示例检索，实验验证其忠实性。
Flux-OPD：利用演化上下文的在线策略蒸馏
提出利用演化上下文的在线策略蒸馏方法，通过反向KL分解稳定目标并加权冲突，超越现有范式。
SciDataSailor：深度科学数据探索
提出深度科学数据探索范式及SciDataSailor框架，用MCTS合成轨迹，构建训练集与评测基准。
面向业务制图与影响分析的大规模跨区域遥感洪水监测框架
提出融合SAR、光学与DEM的洪水监测框架，比较监督与自监督模型，成功评估2019年图伦洪水影响，结果贴近官方。
基于牛顿算法的特征学习：一种加速非线性参数化PDE求解器的途径
提出从牛顿轨迹学习特征的两阶段初值策略，构建解与搜索方向特征空间，回归预测加残差校正，减少迭代与计算时间。
阴性对照揭示影像组学与影像基础模型特征中的体积驱动混杂
提出体积保留阴性对照框架，检验影像组学与基础模型特征，发现多种模型在结构破坏后仍保性能，提示体积混杂。
Chem World：用于可信化学性质预测的大规模基准与物理信息框架
提出含17个数据集、80万样本的化学世界基准，并采用物理信息网络，使性质预测更准确可靠。
SciSchema.org：多学科结构化科学过程描述模式集合
16个专家标注模式，覆盖五大学科，定义输入输出等字段，人机协同生成，支持科学过程结构化描述。
信息瓶颈学习用于忠实的时间序列预测解释
提出IB-Forecast框架，通过信息瓶颈和可解释掩码实现高保真预测解释，仅需14-20%观测数据即可达到低误差，优于现有方法。
ViewMind3D：模块化视图感知推理实现免训练3D问答
免训练模块化3D问答框架，视图推理分解四步，在ScanQA等数据集表现优异，空间问题尤佳。
视觉路由器：基于查询的视觉采样用于长视频理解
提出视觉路由器，无需训练，按查询类型自适应采样，兼顾相关性与时间覆盖，提升长视频理解。
从专家归约到行为分岔：通过稀疏MoE推理追踪数值状态
等价专家归约顺序致稀疏MoE行为分岔；相同token不保证相同状态，分岔可跨token延续。
GVR-Coder：复杂文档与会议场景下结构化SVG生成的视觉反馈框架
提出视觉反馈框架，用DocMeetSVG数据集，结合课程采样、双渲染奖励与验证修复，生成逻辑美观的SVG图。
PCAP-LM：面向TLS批量流量分析的LLM原生文本表示
提出PCAP-LM，将TLS流量压缩812倍，问答准确率99.3%，优于tshark的51%。
LEDGERMIND：基于结构化证据账本的溯源约束多模态智能体推理
提出LedgerMind，用结构化证据账本约束多模态智能体推理，改善答案准确性与轨迹忠实度。
ROAD：判别性语义的互惠目标对齐用于三维形状生成
提出ROAD框架，将判别式3D模型先验迁移至扩散Transformer，通过互惠对齐策略减少训练成本，仅用1.5%数据即达工业级性能。
RefCaptioner：多参考图像 grounded 视频字幕生成
提出多参考图像视频字幕任务及RefCaptioner框架，提升指代绑定与抗干扰，性能领先开源模型。
GLM-RAG：基于图语言模型的图检索增强生成
提出GLM检索器，对比GNN与向量检索，微调GLM跨域泛化最佳，多跳达SOTA，域内与基线相当。
超越帧选择：长视频理解中的生成式潜在证据聚合
提出GenEvA，以查询条件分布聚合跨帧潜在证据，超越选帧，显著提升长视频理解性能且开销极小。
ScaFE：基于大模型生成临床特征程序的数据高效疤痕分类
将LLM临床知识转为可执行特征程序，本地运行。跨医院疤痕分类准确率81%，超基线10个百分点；仅用10%数据仍领先11.8点。
最优分类与回归树的搜索策略
提出最优决策树通用搜索框架，评估18种策略，最佳策略显著提升分类表现并大幅加速回归。
去除与保留：全能图像恢复的双歧义校正
提出DAR-Net，通过语义与空间双歧义校正提升全能图像恢复性能，在多项基准上取得最优结果。
MarkushGlyph与OCSRGlyph：改进的化学结构识别
提出两种图像转文本模型：OCSRGlyph优化单分子识别，MarkushGlyph整体解析Markush结构，并引入新评估指标。
基于集成一致性的分子图半监督学习
提出集成一致性半监督学习，用于分子图，提升多种GNN预测准确性，增强鲁棒性，减少校准误差，单模型胜过传统集成。
大语言模型能否执行母订单？
首次系统研究LLM执行母订单，提出PACE分层框架，优于基线，可辅助交易决策。
使用间隙指数度量降维散点图空白区域的失真
提出间隙指数（GI），度量降维散点图空白区域的视觉失真，通过空三角形变形计算，对小变形敏感且快速可解释。
超越几何互补性：稀疏混合专家路由中的相干重叠
专家子空间高度重叠，但路由仍优于备选；前缀缩小表征优势却不减功能增益，称相干重叠。
WIDE：通过词元级动态宽度剪枝提升自适应大语言模型推理
WIDE：首个端到端可微词元级动态宽度剪枝框架，实现细粒度计算分配与剪枝-内核协同，接近理论加速。
OSReward：建立跨平台计算机使用奖励模型的标准化评估
提出OSReward基准评估跨平台CUA轨迹裁判，发现宽松偏差，并发布OS-Shepherd模型以低成本提供可靠奖励。
基于元数据分布式期望最大化的加密兼容聚类联邦学习
提出FLAMECHE，将元数据聚类联邦学习重构为分布式期望最大化，服务器仅加法更新，实现加密兼容，平衡隐私、通信与计算。
持续高斯扰动防止循环图神经网络中的过度平滑
在循环图神经网络中每步注入高斯噪声，证明平稳表示具有正Dirichlet能量下界，从而防止过度平滑，数值实验验证。
隐喻追踪器：理论指导的隐藏状态分析
无需训练，单次前向传播，聚合/分化指标评测隐藏状态，追踪token在文本中的结构位置，支持关系性解读。
从文本在卫星存档中查找变化：如何高效组合前后影像
比较八种融合模块：两阶段搜索降本十余倍；曼巴无速度优势；压缩表示减参降延迟但丢细节。
MIND：基于扩散Transformer的多模态意图驱动医学图像融合网络
提出MIND，用意图文本引导扩散Transformer实现医学图像融合，提升融合质量与分割精度。
阶段重放发散跟随KV缓存：固定前缀精度控制与双向缓存移植
验证阶段重放假设，KV缓存决定发散，FP32无分歧，BF16有分歧；双向缓存移植使续写随供体，精度影响表现。
Change2Task：将仓库变更转化为可执行的编码智能体任务与环境
基于仓库历史，将合并PR转为可执行编码任务，验证成功率79.6%，较基线多恢复29.2%，节约10.8%成本。
迈向实时PixOOD：面向自动驾驶的高效异常分割
加速PixOOD异常分割，TensorRT优化，桌面182FPS/嵌入式75FPS，快20倍，实时部署自动驾驶。
多通道增益策略学习
提出快速-慢速因果框架，以无偏梯度与保守决策解决多通道预算分配，实现订单和收入双升。
VAD：多模态策略内蒸馏中面向目标重建的视觉证据归因
VAD通过反事实目标重建估计教师修正中的视觉证据，重建学生锚定目标，在细粒度视觉基准上优于直接蒸馏。
耳廓世界：基于层次化动作引导的世界模型实现CT耳廓精细分割
提出层次化动作引导的世界模型，在潜在空间迭代推理，精准分割CT耳廓细小不规则结构，HD95降低43%
SVR：联合判定-置信度强化学习实现自适应测试时计算的自验证精炼
提出自验证精炼SVR，用自验证作为计算控制策略，数学推理平均2.99轮达0.563准确率，优于基线。
TCA-SIR：学习目标条件抽象实现科学灵感检索
TCA-SIR用目标条件抽象重构科学灵感检索，学习生成可迁移原理并预测适用性，性能超越现有方法且可解释。
TopoFormer：拓扑与注意力在图学习中的融合
提出一种拓扑-注意力图学习框架，将图结构化为拓扑序列，经变换器处理得嵌入，性能超越强基线且高效。
HARGO：HPC任务上LLM强化学习后训练的异构感知奖励引导优化
异构感知奖励引导优化，用于HPC任务LLM后训练，置信度调制优势加权，免任务类型标签，四任务九方法三项指标最优。
基于DeCRIM的LLM自我修正：分解、批判与细化以增强多约束指令遵循
首个真实多约束指令基准RealInstruct，提出DeCRIM自我修正流程，提升开源模型多约束遵循，甚至超越GPT-4。
Beacon：知晓何时及如何进行智能体视觉推理
提出Beacon模型，通过必要性感知奖励与提示引导扩展，提升多模态模型的工具调用自适应性与实际效能，实现更强整体性能。
为什么GUI智能体正确却滞后？在决策关键路径上解码，以预编译策略树验证
提出AAPT，空闲时预编译策略树，事件触发即执行，避免解码延迟；成功率由0.50升至0.79，且无错误动作。