Aura · 时间线

带有竞争边际的合谋：价格水平审计从构造上注定盲目

传统价格审计无法检测通过联合分布耦合的合谋，因为单个代理的价格仍保持竞争分布，检测力等于假阳性率。

Pramana：一个可组合的领域特定实证网络研究后端

Pramana通过意图规范解耦实验三轴，满足34%实验意图，效率超现有工具2倍，加速实证网络研究。

SecRespond：面向真实世界妥协后事件响应的AI代理基准测试

SecRespond基准测试评估AI代理在妥协后事件响应中的能力，揭示其能发现警报但难以主动调查静默入侵与制定修复计划。

MediaWiki Code2Code搜索：面向开源软件实体语义发现的神经检索

提出MediaWiki Code2Code搜索系统，神经检索实现语义代码发现，索引130万实体，延迟1.85秒，P@10达0.87，远超BM25基线。

长尾三维点云数据集蒸馏

提出首个长尾点云蒸馏框架，通过自适应预算分配和分布匹配，在ShapeNet55上提升分类准确率7.0个百分点。

基于时序卷积网络的运动传感器在线手写轨迹重建

提出TCN和DTW结合的笔传感器信号处理流程，实现高精度手写轨迹重建。

涟漪：基于跨模态循环记忆的实时流式音频-视频生成

Ripple采用跨模态循环记忆实现实时联合音频-视频生成，达28 FPS/480P，支持长视频，性能超越现有方法。

时间中心化SIGReg改进多任务Le世界模型学习：从分析到方法

针对多任务世界模型表示混叠，提出时间中心化残差SIGReg，成功率从53.2%升至73.6%。

两次调用胜过五个智能体：评估多智能体管道与自优化在本地语言模型上的表现

本地7B模型上，简单自优化（两次调用）在GSM8K上达到86.2%准确率，优于多智能体管道，且HumanEval需任务感知门控。

行为有后果：使用干预测试检测结果表现性

提出OPAB方法，通过干预分组结果分布差异检测结果表现性，验证可行，指出样本不足时存在不可区分区域。

MindForge：通过无源程序合成教授小型语言模型全生命周期软件工程

MindForge自动化管道以无源环境合成训练数据，微调小模型，ProgramBench通过率提升11.53%，七个未见基准均获改善。

大型情感世界模型

将人类情感纳入世界模型，构建情感-原因-如何数据集，提升状态预测与推理效果，最高准确率提升45.72%。

SpecFirst：将行为规约获取作为从头开始的基于代理的程序合成中的首要步骤

提出SpecFirst两阶段框架，先获取行为规约再合成代码，显著提升测试通过率和探索覆盖率。

基于音频锚定的多比率DiT重建残差融合用于跨域音频深度伪造检测

DiT重建残差经音频锚定融合，跨域检测性能提升，ASVspoof5上EER 6.54%，ITW上13.84%。

PUDA：自动驾驶实验室的AI原生硬件接口

PUDA为自主实验室提供AI原生硬件接口，通过命令行环境实现智能体决策与硬件确定性执行的分离与溯源。

基于物理信息的化工过程PID整定框架：利用大语言模型智能体

提出LLM辅助PID整定框架，大模型成功率75-89%，小模型经物理信息优化达94%，提升首次整定可靠性。

LLMET：面向能效LLM服务的新兴M3D存储器的跨层评估

提出LLMET框架，评估M3D大容量片上缓存对LLM服务能效影响，实验显示能耗降低可达44%。

文本到图像扩散模型的双重反演：从提示和噪声双角度

Dualin方法联合恢复提示与噪声，实现高保真图像生成与可控编辑。

StatePlay：状态感知游戏世界模型实现机制一致生成

StatePlay联合预测视觉与状态，采用混合变换器，状态预测误差低，机制保真度提升18.6%。

彩票票并非部署票

稀疏模型虽准确率匹配，但行为不同，替换后下游决策变更7%-10%，产生再验证负担。

Surrogate assisted diversity estimation in neural ensemble search

多模态融合视觉与形态测量特征的鸟类骨骼分类

融合CNN图像与骨骼测量的多模态框架，鸟类骨骼分类准确率86%，科级top-3达75%。

ML2B：跨语言机器学习流水线生成的大语言模型基准测试

ML2B首个评估大模型跨语言ML流水线生成的基准，发现性能下降高度依赖任务特性。

LLMs在医学诊断中的可靠性：一致性、操纵性与情境感知的检验

LLM诊断虽一致性高，但易受无关信息干扰，情境变化易致不当诊断，需临床监督。

面向人脸呈现攻击检测的基础模型：一个统一的线性探测基准

评估显示基础模型预训练表示含PAD信息，域内有效但跨域迁移差，需显式适应域偏移。

ARC-Encoder：学习大型语言模型的压缩文本表示

ARC-Encoder通过编码器将上下文压缩为连续表示，替代token嵌入，减少推理成本，保持性能并兼容多个解码器。

面向对话式AI智能体的图原生双时态记忆存储

提出图原生双时态记忆存储，用Neo4j加向量索引，支持时间旅行检索，在长时记忆测试中部分问题召回率达80%。

共享符号骨架用于物理一致的多输出符号回归

提出共享符号骨架的神经进化符号回归，强制多输出物理一致性，在弱可识别时诊断跨输出一致性。

See2Think：多模态模型真的使用中间视觉状态吗？

提出See2Think框架评估多模态模型视觉推理，发现依赖视觉状态但渲染是瓶颈，干预下准确率下降超10%。

集成LLM诱导的决策树以实现可解释且鲁棒的错误检测

利用LLM诱导决策树集成进行表格错误检测，可解释且鲁棒，F1提升16.1%。

潜在世界模型能学到什么？多模态预测表示中物理参数的可辨识性

预测目标决定潜在模型获取的物理参数，输入限制可知性，数据仅提升已获取参数。

TreeCCA：基于梯度提升树的典型相关分析

TreeCCA首次将梯度提升树用于CCA，兼得非线性准确性与可解释性，性能匹配深度CCA且成本更低。

BayesAME：贝叶斯主动模型评估

BayesAME用贝叶斯框架自动确定评估子集大小，迭代估计模型性能，优于现有方法。

PRISM-Net：患者特异性参考引导的双侧乳腺对称性匹配用于三分类DCE-MRI

提出无配准双侧框架PRISM-Net，利用对侧乳房特征作为患者参考，通过双边匹配与不对称注意提升三分类诊断性能，优于基线方法。

改善皮肤镜皮肤癌分类域外泛化能力的鲁棒数据增强探索

mix增强策略提升域外泛化AUC 0.053，光度变换最有效，但需源不相交协议避免偏差。

MemAgent: 使用基于多轮对话强化学习的记忆智能体重塑长上下文大语言模型

MemAgent分段读取并覆盖记忆，扩展DAPO算法训练，超长文本性能损失<5%，512K测试准确率超95%。

自然视频与虚构对话中的统计规律与语言学差异

视频聊天与电影对话中，Heaps定律的词汇缩放因词类而异，反映沟通效率差异。

基于角色的利率行动指数

提出基于角色构建指数预测FOMC利率决策，角色行为可识别且内容逼真，指数追踪利率周期并领先约三个季度。

ServerlessT2I：在无服务器平台上高效服务于文本到图像工作流

ServerlessT2I分解文本-图像工作流为独立模型函数，实现高效调度与资源节约，支持2倍请求率或节省3倍GPU资源。

AgentSnare：学习延迟、转移和化解自主渗透代理

AgentSnare动态构建诱饵环境，吸收工具调用、转移轨迹、诱导完成报告，有效阻止真实目标被攻破。

恢复、解码、再防护：针对编码视觉语言模型越狱的防护无关防御增强

非迭代恢复防御存在安全-效用天花板，防护增强器仅部分弥补差距，无配置兼具低攻击成功率与低误拒率。

DistillAlign：协调自回归视频蒸馏中的模式覆盖与模式搜索

提出联合蒸馏法协调模式覆盖与搜索，改进自回归视频蒸馏的质量、覆盖和多样性。

ReCo: 针对分布集中的GRPO重加权方法

针对GRPO导致模型响应分布集中的问题，提出ReCo重加权方法，通过平衡响应贡献与基于方差的比率，提升大k值下的Pass@k性能。

一次运行不等于一个想法：自动化研究中的实现抽签

单次运行得分误作想法证据，实现方差远超重跑方差，赢家反转率超25%，需多实现评估可靠性。

CoCaRS：基于相关校准的冗余抑制用于异构知识蒸馏

CoCaRS通过相关校准抑制冗余，保留结构信息并自适应调节系数，提升异构知识蒸馏性能。

BATS：基于边界感知混合分辨率令牌的资源高效体素分割

BATS通过边界感知混合分辨率令牌，在保持高分割精度同时，大幅降低GPU内存和推理成本。

分数不是决策：面向LLM代理工具获取的成本感知停止策略

提出CAM-DF方法，训练停止与最优续延的差距，在异构成本下最优，减少37%工具使用且保持任务成功率。

SCALPEL：基于大语言模型编码器学习的医学视觉-语言语义跨模态对齐

提出SCALPEL框架，通过LLM编码器学习与解剖否定感知目标，解决医学VLP各向异性、内存开销和幻觉问题，实现SOTA。

面向中国农村场景的自动驾驶目标检测：真实-合成数据混合与模型评估实验研究

构建农村真实-合成混合数据集，评估13种模型，YOLO11m在1:0.5混合比达最优mAP0.758，揭示长尾物体感知瓶颈。