Aura · 时间线

检测大型语言模型无声推理失败的无参考评分

提出RAFS评分，无需参考答案，诊断数学推理的局部可信性与答案一致性，以识别无声推理失败。

PowerAtlas：面向电力系统电算协同调度

提出PowerAtlas框架，集成领域知识与物理约束，实现电算协同调度，确保电网规则与任务SLA，实验验证有效。

基于IMU传感器的手写轨迹重建的混合专家方法

提出混合专家模型（触摸与悬停专家），重建手写轨迹，引入新基准数据集，性能显著优于竞争者。

评估大语言模型中的地域偏见：从抽象刻板印象到具体社会决策

S2D框架评估LLM对中国34省区的地域偏见，发现系统性差异与经济发展相关，需加强区域意识评估。

GPT-Red：通过大规模自我对弈实现自动化红队测试

GPT-Red通过自我对弈算法训练，自动攻击前沿LLM，比人类更有效地发现攻击，提升模型鲁棒性。

解耦视觉处理：通过模态专用Transformer替换实现高效多模态适应

提出DVP框架，以轻量Transformer块替换LLM上层解码器处理视觉token，仅训练该块，大幅减少参数，性能竞争。

再来一次，不要回头：盲重采样在小代码模型中优于自我修复

盲重采样在小型代码模型中优于自我修复，因模型锚定先前失败尝试，执行反馈无额外收益，自我反思成本高。

面向IMU传感器手写轨迹重建的域适应

针对儿童与成人手写信号差异，采用域适应方法统一特征表示，提升轨迹重建性能。

APEX会计基准测试

Mercor与Ramp构建的会计基准，评估前沿模型；最高得分56.4%，通过率不足3%，并发现辛普森悖论。

JEPADepth：面向自监督单目深度估计的掩码预测表示学习

JEPADepth结合I-JEPA掩码预测损失与DINOv3表示，提升自监督单目深度估计性能，零推理成本，达到领先水平。

SpatialQ: 通过基于视觉的多模态大语言模型理解3D高斯泼溅场景质量

提出多模态质量评估框架，融合3D结构感知与MLLM推理，实现对3DGS场景结构及一致性的可靠评估。

Pangram 4技术报告

Pangram 4模型AUROC达0.9916，错误率极低，泛化性与鲁棒性优异，能精准检测混合人机文本，达SOTA性能。

通过同质训练-测试分割方法增强自动化机器学习

提出Optimised-Distribution方法优化训练测试集相似性，平均MMD相似性89.0%，提升AutoML评估稳定性。

DenseOn与LateOn：面向多语言、长上下文和代码搜索的完全开放密集与后期交互模型

提出完全开放的DenseOn/LateOn模型，通过翻译训练实现多语言检索，密集模型强于支持语言，后期交互模型泛化更好。

可信具身智能：一个系统框架与分级可信度等级

定义可信具身智能为持续安全成功，提出四层系统框架与分级可信度层次，用于评估部署可信度。

Physically Real-time Infrared Attack against Optical Flow Estimation Networks

Visko Orbis 1.0：实时交互式长视频生成模型

Visko Orbis 1.0 支持实时更改提示、4K 24fps生成，小时级无漂移，获高偏好与稳定性。

CASIAL：几何失真鲁棒图像水印

提出CASIAL框架，通过全局消息传播和几何不变性对齐，有效抵抗多种几何失真。

在黒盒多轮交互中预测轨迹级安全风险

提出Recast框架，实现轨迹级风险预测，提前2.41轮预警88.3%故障，虚警率12.3%。

SkillRise：跨任务技能演化的智能体强化学习

SkillRise用单一策略在渐进任务序列中交替求解与整理技能，实现跨任务重用，性能提升2.3-8.5%。

序列-SOD：仿生序列感知尖峰目标检测用于事件相机

序列感知训练提升SNN事件目标检测mAP至26.88，达40Hz，利用时间线索并保持能效。

FreeShadow: Training-Free Shadow Removal via Illumination Transfer and Selective Content Preservation in Diffusion Models

传闻：无图像下的视觉语言医学诊断

前沿视觉语言模型在无图像时根据患者人口统计特征编造诊断，存在系统性偏差，需直接审计结构化输出。

心智世界建模

提出心智世界建模框架，将心理变量作为核心，耦合物理-心理状态，以预测人类行为。

FedTopo：面向模型异构联邦学习的关系级拓扑共享

FedTopo通过关系拓扑编码全局知识，可靠性感知聚合，提升异构联邦学习性能。

Journey Operators for Structured Multi-Axis Composition

(EC)2：基于多智能体大语言模型的事件中心化网络安全可解释性方法

提出多智能体框架(EC)2，通过假设驱动调查生成可验证解释，提升网络安全事件分析精度与操作性。

成本受限四足机器人硬件上的强化学习

利用前向延迟模型与时间感知神经网络，在低成本四足机器人上实现鲁棒运动，并自发形成抗延迟的中央模式生成器。

多智能体辩论策略：综述、分类与挑战

综述141项研究，提出三维分类法，揭示领域隐式收敛于狭窄设计模式，呼吁规范化基准测试。

SARC-DQ：智能体AI的运行时数据质量门控——静默证据缺陷、无能护盾与仅下游修复

元数据缺陷致智能体60%错误动作，模型能力不增怀疑；元数据感知门控+下游修复合计损失，证据完整性独立于模型能力。

FPSGen：基于BEV支持传输流的灵活点云场景生成

FPSGen利用BEV先验和传输流，实现灵活点云场景生成，在多个数据集上取得最优性能。

通过成本校准的前沿效用实现预算感知的大语言模型发现

CostAda用成本校准效用引导搜索，半预算即达最强基线质量，提升发现效率。

TPD：文本到视频扩散模型中的时间先验解耦

TPD构造时间反事实恢复被抑制信号，解决文本到视频后期事件生成失败，无需重训练。

混杂陷阱：文本因果推断中的治疗编码表示

提出掩码调整表示移除治疗词汇信号，避免表示混杂陷阱，改善重叠诊断并减少偏差。

中文标题

提出认知诊断画像(CDP)零样本框架，使LLM模拟考生与人类在能力、画像、难度三维度对齐，校准精度显著提升。

基于模型的需求配置与三值不确定性评分

利用三值不确定性评分消除LLM生成需求的结构不一致，量化决策不确定性，实现形式化需求工程的安全部署。

基于神经音频编解码器令牌的自监督语音学习训练语言敏感性分析

研究发现，下游性能对编解码器训练语言不敏感，但对自监督预训练语言高度敏感，故编解码器可跨语言复用，预训练语言需与目标语言一致。

Kairos：基于Cholesky分解的LinUCB实现项目冷启动下数值鲁棒的新闻推荐

用Cholesky秩1更新替代求逆，结合MRL解决新闻冷启动，效率提升4.85倍且排序精度几乎无损。

视觉生成中的摊销矩匹配

提出摊销矩匹配(AMFD)，用网络动态学习条件矩，单步生成超越FD基线，文本图像生成超越多步教师模型。

FakeIDet3-DB：优化数字攻击与补丁提取以实现安全身份识别基准测试

首个真实身份证件数字操纵数据库，含520万补丁，现有模型检测生成式攻击EER达32.45%。

情境化反言论比通用反言论更具说服力

情境化反言论结合对话上下文和用户历史，比通用策略更有效，但需避免过度个性化降低质量。

StealthBench：衡量自主进攻性安全代理的操作隐蔽性

StealthBench基准评估自主安全代理的六维隐蔽性，发现模型安全成功率不足54%，揭示系统性操作安全缺陷。

Genie Sim PanoWorld：基于全景场景建模与仿真的无限室内3D世界生成流水线

提出从单张全景图生成可导航3D场景的两阶段流水线，无需多视图，零样本实现高保真重建与实时漫游。

AdaBoost的紧致泛化界

给出AdaBoost泛化误差上界Θ((d ln(nγ²/d))/(nγ²)+ln(1/δ)/n)，与已知下界匹配，其中γ为弱学习器优势。

锚定与引导扩散：在推理时增强文本到图像生成的忠实度

提出AnchorSteer框架，通过语义锚定和反射引导优化初始化和去噪，显著提升文本-图像对齐忠实度。

大语言模型时代的科学知识发现

综述34篇论文：生成式LLM助力文献检索与筛选，总结模型、技术、评估方法。

TREA-Net：一种面向登革热发病率预测的可迁移残差流行病学自适应网络

提出TREA-Net，从数据丰富区迁移轻量残差校正至稀缺区，提升登革热预测精度，在9/10设置中显著改进基线。

音频大模型中的韵律驱动越狱：一项受控研究与机制分析

固定文本仅变更韵律即可引发越狱，情绪语音比情绪文本更有效，语音传递是安全评估关键因素。

不确定性下的思考：语言模型中的证据利用与信息寻求

思考提升模型基于证据的行动表现但未转向信息寻求，其长度与置信度变化反映元认知过程。