AgentGFM：具有节点代理信息流控制的图基础模型
AgentGFM将节点视为智能体，通过预测-行动-观察-纠正实现自适应信息流控制，适配多样图拓扑。
面向无人机反无人机跟踪的语义感知时间自适应
提出SATATrack模型，通过语义感知传播与时序分布对齐，在无人机反无人机跟踪任务上达到最优性能。
AI智能体时代需要新的科学范式以维系可信科学
AI自主代理加剧科学验证鸿沟，需建立可观察、可扩展、可归因的验证范式，避免信任危机。
梅蒂斯：记忆基础模型
提出记忆基础模型Metis，赋予模型原生记忆能力，实现高效无梯度记忆维护与冻结权重推理。
易陷误区：为什么大语言模型低估误解驱动的难度
大语言模型低估误解驱动的难度，导致评估系统性偏差，即“易陷误区”。
从令牌到瓦时：现代GPU上LLM推理的分析性能量估计
提出无需直接测量的分析性能耗估计法，分解LLM推理预填充/解码能耗，适用于模型比较与绿色编码。
CineWeaver：面向电影叙事的免训练、参考可控的多镜头长视频生成
提出CineWeaver，无需训练实现参考可控的多镜头长视频生成，突破时间连续性偏见，支持清晰镜头切换与一致外观。
EgoSafe：手机拍摄的第一人称视觉安全理解基准
EgoSafe-Bench通过第一人称视频和层级推理协议，揭示LVLM安全场景中感知强但因果推理脆弱。
不遗忘的艺术：一种面向持续学习的局部学习架构
CMP架构结合稀疏表示、局部学习与持久内存，有效降低灾难性遗忘，优于Transformer+EWC，但单域精度较低。
From Representations to Behaviors: Exploring the Person-Situation-Behavior Triad in LLMs
TPCD：音调-压力对比解码与视觉语言模型中的无标签门控瓶颈
TPCD利用高压提示的分布作为对比解码负分支，将攻击成功率降至0.50%，但需门控机制平衡正面准确率。
语言模型对不同语言的非规范分词并非同样鲁棒
模型对非规范分词鲁棒性因语言而异，分词碎片化越高越敏感，多分词训练可缓解。
SERPO：面向开放式测试时强化学习的自进化评分策略优化
提出SERPO方法，通过响应、评分标准、策略三环共同进化，无需外部反馈即可提升开放式生成任务性能。
中文标题：识别基于LLM的聊天AI对智力障碍人士的隐性偏见
本研究对比分析AI生成故事，发现模型对智力障碍者存在年轻化、偶像化、依赖化等负面隐性偏见。
人类效用因子：一种可计算的福利度量，将AI治理重构成约束优化问题
HUF将AI治理转化为约束优化问题，揭示缺乏再分配约束会导致高自动化均衡损害福利目标。
一种为机器人设计知识驱动任务的方法
本文提出在ROS 2中利用知识图谱设计自主机器人任务的方法，通过模拟搜救验证其提升效率与智能。
AI安全优先事项：全领域议程
专家基于跨领域研讨，提出AI安全四大优先领域：战略框架、公私协作、技术保障及代理AI治理，旨在推动协调行动。
FedWeave：重新思考异构联邦MoE-LoRA中的专门化单元
FedWeave通过非对称聚合分离专家与路由器优化，利用原型发现实现专家纯度与路由器对比，稀疏推理保持性能。
训练前预测：粒子物理基础模型的缩放定律
用小模型拟合缩放定律，可预测大模型损失和下游性能，实现训练前预算规划。
评估ConvLSTM在印度四城市次日降雨场预测中的表现
ConvLSTM在次日降雨场预测中不优于简单模型，FC-LSTM和持久性方法表现更好。
在线共形预测中同时保证覆盖率和效率
提出统一在线学习框架，同时控制绝对覆盖误差与预测集效率，无需分布假设，实现动态基准下的最优保证。
从“发现”到“设计”：将概念作为大型语言模型的设计主轴
主张将概念作为LLM设计轴，提出两维度设计空间，呼吁从“发现”概念转向显式概念设计。
跨度引导去毒化何时有助？控制比较中的人类偏好与评估诊断
控制比较表明，跨度引导法偏好保留原意但残留风险，无引导法更彻底但易过度修改，需分别评估缓解与保留。
DIRECT：面向大语言模型的高效对齐序列标注直接解码框架
提出DIRECT框架，通过DPO和受控解码等优化，显著提升序列标注的性能与效率。
不确定性引导的LLM语义增强用于异质性处理效应估计
提出CURL方法，利用不确定性分配LLM语义能力，分离双通道表示，提升CATE估计精度。
MedARC：用于三维医学视觉语言模型的免训练自适应视觉标记冗余压缩
MedARC免训练框架融合多线索重要性，合并冗余视觉标记，降低3D医学VLM计算开销并保持诊断性能。
TREK: 面向复杂旅行规划的LLM智能体推理与评估工具包
TREK基准测试含800个多约束任务，评估LLM旅行规划可行性，最强模型仅46.2%成功，未明示需求成通用瓶颈。
3DGBGS：用于紧凑新视角合成的三维粒球高斯泼溅
提出3D粒球高斯泼溅框架，自适应划分点云为粒球，减少锚点数和模型存储，保持渲染质量。
CalTwin：通过Fisher信息正则化实现校准且对偏移鲁棒的医学世界模型
CalTwin结合Fisher信息偏移惩罚与置信度错配惩罚，提升医学世界模型在协变量偏移下的预测精度和校准度，降低MSE 9.1%。
理解异质多模态大模型融合中的知识迁移机制：一种简单线性方法
异质MLLM融合的知识迁移具有选择性，增益集中于推理能力，感知性能不变，本质为窄域低干扰下的语言侧推理传递。
RAG-HAR+：面向边缘部署的基于LLM的成本高效人类活动识别
提出RAG-HAR+，通过检索优先和成本优化，保持性能的同时减少LLM使用，实现边缘部署。
OptimismBench: 语言模型判断中的预测偏差与对齐效应
OptimismBench检测语言模型概率判断的方向性偏差，发现多数模型乐观，对齐训练改变偏差符号，模型身份主导语言差异。
GuidedRAG：检索增强生成的语义引导
GuidedRAG在检索前用语义约束知识库，提升相关性14-15.8%，降低开销数个量级，泛化覆盖15种RAG变体。
认知趋同：大型语言模型与人类认知的深层相似性
LLM与人类认知在推理、架构、表征、学习和强化机制上存在深层结构对应，挑战“外来智能”观点。
IFCMemoryBench：评估基于LLM的智能体在BIM信息检索中的长期记忆
提出IFCMemoryBench评估LLM代理长期记忆，BIM检索中最强系统准确率仅32.4%，揭示领域转移鸿沟。
理解小表格数据集上TabPFN的上下文采样
TabPFN中，大上下文提升准确性与稳定性；多样性是关键；随机采样因覆盖特征空间而有效，昂贵方法无优势。
使用VGG16、VGG19和ResNet50模型对肺部X光图像进行疾病分类
比较三种深度学习模型在肺部X光疾病分类中的表现，ResNet50准确率最高，有助于早期诊断。
IDP AutoOpt：智能文档处理流水线配置的自主代理优化
自主LLM代理自动优化文档处理配置，成本降低4.6倍，配置时间从数周缩至两小时内，准确率超人工。
AIGen：通过混合MLOps集成实现AI物料清单的自动生成
AIGen基于MLflow，结合启发式与大语言模型，自动生成符合SPDX 3.0标准的AI物料清单，支持插件扩展，助力AI供应链合规。
面向风险感知自动强化学习的高效异方差贝叶斯优化
提出ERAHBO，建模均值和方差，实现风险规避超参数优化，通过自适应重采样提升样本效率。
信用卡、困惑、计算与后果：语言模型推理真相探究
基于真实信用卡协议，CreditCardQA基准显示模型错误主因是金融规则误用而非算术，边缘案例影响弱势群体。
Latent-IM：面向语音大语言模型的潜在交互管理
Latent-IM框架通过解耦对话动作选择与实现，在LLM内部恢复状态控制，使动作准确率提升12.5%，效果媲美微调。
相同证据，不同目标：从语言模型状态解码诊断证据如何影响因果问题
诊断证据对因果问题的支持、挑战或无关可从语言模型隐藏状态线性解码，准确率超随机基准。
FinCacheServe：面向可变企业文档的高效RAG服务中依赖一致的答案复用
通过依赖一致性缓存，跳过53%以上LLM调用，零过时输出，比版本语义缓存节能44%。
表示轨迹的重要性：面向分布外检测和图像分类的补充证据
表示轨迹蕴含被最终表示丢弃的证据，能补充分布外检测和图像分类，降低误报率并提升性能。
封闭基础设施中氢气泄漏检测的传感器布局优化：基于CFD遗传算法与DeepSets神经代理的对比研究
结合CFD、遗传算法与DeepSets代理优化传感器布局，检测率达96.1%，盲区0.12%，计算成本降低89%。
层级、锐度与语料：零样本OOD检测器排名不迁移的原因
零样本OOD检测器排名因互补证据通道（层级与锐度不可互推）而反转，新包装器CEG无需外部数据即可降低敏感性。
带随机特征的图神经网络的普适性与逼近率
证明带部分随机节点特征的置换等变神经网络可逼近图函数，并给出光滑函数的逼近率上界。
生成还是判断？基于LLM的对话情感-原因对抽取的范式视角
对级判断优于对话级生成，辅助检索器可提升情感-原因对抽取效果，F1提高0.50-1.46点。
R-SLPR：基于区域的从小到大的点云配准与对比学习
R-SLPR框架通过区域提议和对比学习，解决小部分点云与大全局点云的配准难题，实现高精度（位置MAE 0.009，旋转1.104）。