Veritas++：面向感知增强的AIGI检测的价值感知在线策略蒸馏
提出Veritas++，以感知为根基，用PoRL强化细节/语义/像素检测，VaOPD自适应蒸馏，实现AIGI检测高效泛化。
当核岭回归遇到Hölder-Zygmund类：极小极大最优性与恰当性的失效
证明错误设定KRR达极小极大L2最优速率，但恰当性失效，噪声范数随log n增长。
AI作为创意构思中反思支持的摩擦因素
生成式AI应作为反思的摩擦因素，而非输出平滑器，支持设计师构建与传达设计理由。
基于小视觉语言模型的多任务学习实现有依据的胃肠道内镜视觉问答
通过多任务微调小型VLM，提升胃肠道内镜VQA准确率并改善答案与图像区域的对齐。
记忆如何影响基于LLM的社会粒子群中的集体与合作行为
研究发现记忆长度显著抑制LLM智能体合作，记忆越长合作越崩溃，性格特质部分影响，情感分析揭示负面解读。
AdaMARP：面向通用沉浸式角色扮演的自适应多智能体交互框架
提出自适应多智能体角色扮演框架AdaMARP，通过场景管理和消息格式提升沉浸感，效果超商用模型。
基于模型对比联邦学习的对齐检查后门攻击防御
FedDAB结合局部对比正则化与对齐检查，增强良性更新一致性并排除异常模式，有效防御后门攻击。
SeasonStereo：基于生成式AI的多时相卫星影像鲁棒密集立体匹配
提出SeasonStereo，用生成式AI合成季节变化图像对训练，结合零样本几何先验，无需真实多时相数据或LiDAR标签，实现高精度立体匹配并降低监督成本。
人类多样性推动集体创造力，大型语言模型无法模拟或维持
人类多样性驱动集体创造力，AI无法模拟或长期维持；AI创意生成会削弱多样性，但AI精炼可保留，模拟效果均不及人类。
单纯形解混：在对撞机中分离多重轻味喷注
提出单纯形解混框架，从混合样本提取多重轻味喷注，实现对撞机数据驱动的喷注味分离。
基于形状的归纳偏置用于肿瘤轮廓的胶质瘤分级
形状对齐框架分离全局与残差形状，MLP以极低参数达71.5%准确率，验证形状归纳偏置有效性。
DLAM：具有时间约束的分布潜动作
DLAM以分布潜动作（对角高斯）建模转移，通过归一化组合与反转约束增强时间一致性，提升重建和策略性能。
思考精简，巧妙延迟，行动并重复：面向边缘LLM代理的校准推理与不确定性感知的延迟策略
TSDS框架通过收敛探测与困惑度延迟，减少边缘LLM代理43%-73%推理计算，并保证奖励与云调用率。
GroupRAG：认知启发的群体感知检索与推理 — 知识驱动的问题结构化
GroupRAG通过问题结构分组实现多起点检索推理，在医疗和法律问答中优于RAG和CoT方法。
Lilith：训练-推理触发器偏移下的后门泛化
提出Lilith框架，解决触发器偏移下的后门泛化问题，实现高攻击成功率与低性能退化。
MemSecBench：追踪代理记忆投毒从持久性到后果与修复
MemSecBench基准测试评估代理记忆系统安全，发现恶意记忆持久性达84.2%，完整攻击成功50.3%，选择性修复56.1%。
SymmGrid：利用并行化对称性和自我-外部视觉感知的超大规模机器人本体学习
SymmGrid通过并行化对称性和视角变换，实现机器人真实操作任务的超大规模加速，训练时间缩短至10.9分钟。
BioVLN：生物医学实验室视觉语言导航仿真平台
面向生物医学实验室的视觉语言导航仿真平台，采用三区域仪器模型，操作区采样使成功率提升至83.3-92.5%。
MMAC：一个大规模多维音频字幕基准
MMAC基准涵盖5638个音频片段，6类15维，评估音频大模型字幕的信息覆盖与描述可靠性，揭示显著差异。
CT基础模型的解剖上下文适应
ACA轻量框架通过解剖上下文适应冻结CT基础模型，实现解剖级对齐与全局增强，零样本分类优异且训练不到1小时。
重新思考胸部X射线机器学习中的临床相关性：评估参考如何定义性能
评估参考选择决定模型性能排名，常用标签及指标不可靠，应重视临床有效性。
墨盾：保护写作风格免受未经授权的笔迹模仿
InkShield将扰动限制在笔迹边缘，有效阻止笔迹风格模仿，保持视觉质量与可读性。
Speech2Grasp：人形机器人中基于文本的抓取检测向语音的高效数据迁移
提出Speech2Grasp，用轻量MLP将文本抓取检测高效迁移至语音，机器人实验优于ASR并降低延迟。
在k-means++中随机化簇中心数量
预算平滑下随机化簇数，k-means++以常数概率达常数近似比。
StructureGS：面向铰接物体重建的结构感知高斯泼溅
引入结构感知3D高斯泼溅，通过定向包围盒约束空间一致性与结构连通性，实现铰接物体高质量重建。
降阶建模中双重下降的起源与缓解
统一理论解释降阶建模中双重下降的起源、预测与缓解，海表温度和偏微分方程模型验证。
回顾性正交设计：从观测数据重构响应曲面
ROD重构条件均值曲面，实现规范不变对比效应与顺序无关平方和，6480种模拟中表现优异。
从不确定性到确定性：无需射线匹配的由粗到精的视觉楼层平面定位
提出无需射线匹配的由粗到精视觉平面定位框架，通过位姿扩散和局部精炼实现高精度鲁棒定位。
ContactFlow：一种跨实体迁移的视频动作条件
ContactFlow通过3D接触点轨迹编码操作，实现从人类演示到不同机器人实体的迁移，用于物理合理的视频生成世界模型。
学习字问题：测地线长度与密码学应用
提出WPNet图神经网络，启发式解决字问题并预测测地线长度，成功攻击Wagner-Magyarik公钥密码系统。
衡量重要之事：基于情境判断测试的AI心理测量评估
采用情境判断测试和多维项目反应理论评估LLM，发现条件化行为稳定且可预测，基于场景的心理测量更可靠。
HealthSLM-Bench：面向移动与可穿戴健康监测的小语言模型基准测试
SLM在移动健康监测中性能媲美LLM，兼具高效隐私，但面临类不平衡与小样本挑战。
MathNet：一个用于数学推理与检索的全球多模态基准
MathNet推出包含3万道奥数题的全球多模态数学基准，顶尖模型准确率不足80%，检索增强可提升12%性能。
无Incast的MoE基于速率调度
提出主动公平调度框架，消除MoE网络中的incast现象，保持近100%链路利用率，减少集体完成时间。
VidMap：利用时间结构的视频运动恢复结构
VidMap融合SLAM时序约束与SfM全局优化，实现任意视频鲁棒准确的度量重建。
利用相关意图生成提升电商搜索中的商品发现能力
提出可扩展的发现增强搜索，通过意图条件化召回扩展和两阶段混合架构，将发现覆盖率从60%提升至80%，推理成本约教师模型30%。
HumanCLAW：视觉语言模型能否通过身体行动？
提出HumanCLAW框架评估VLM身体行动能力，最佳模型成功率仅16.8%，缺陷在于缺乏具身自我意识。
TurboVLA：在RTX 4090上以32Hz运行的实时视觉-语言-动作模型，显存<1GB
TurboVLA提出直接V+L→A映射，0.2B参数、32Hz、<1GB显存，达97.7%成功率，超越传统LLM中心模型。
自适应学习与模型预测控制用于无遗憾跟踪未知动力学
提出自适应在线学习方法，同时学习多个预测器并自适应选择，实现无遗憾跟踪未知切换动力学，经仿真与硬件实验验证。
BioPro：面向视觉-语言模型的差异感知性别公平性
BioPro通过正交投影选择性消除中性场景性别偏见，保留明确场景差异，实现视觉语言模型公平性。
平衡集中式学习与分布式自组织：具身形体发生的混合模型
混合模型通过短暂参数扰动引导反应扩散系统高效收敛，实现低成本的“先播种后让渡”式控制。
自适应梯度方法用于更广泛的表现性预测优化问题
提出自适应梯度优化方法，弱假设下收敛，通过有限差分估计分布偏移，收敛更快更稳定。
ScalablePromptus：可扩展且高保真的基于提示的视频流传输
提出ScalablePromptus，通过dropout训练生成有序提示，使接收端从截断提示重建视频，丢包下性能下降减少82%-95%。
AI队友的社会成本：人工智能队友如何重塑小型团队决策中的人际沟通
AI队友最健谈但信息量低，削弱人类队友间的响应性与归属感，社会成本即时显现。
弥合眼科人工智能的鸿沟：面向动态多模态推理的MM-Retinal-Reason数据集与OphthaReason模型
首个眼科多模态推理数据集与模型，通过不确定性感知动态思维实现基本与复杂推理，性能领先超24%。
混沌即是阶梯：通过重加权超越不变性的域泛化
提出LADDER方法，利用域风格重加权源分类器，无需目标标签即可泛化，超越不变性约束，实验提升准确率。
去噪增长复杂度：数据几何与扩散采样的认证调度
提出DGC几何度量，连接扩散采样理论与认证，导出KL误差边界和优化调度
基于事件条件可信度的决策导向证据融合联合优化
提出事件条件可信度及决策导向联合优化，耦合可信度与决策，实验显示更准确反映证据贡献并支持正确事件。
多样性约束下的参数化公平资源分配
提出PRA框架，用可控参数软性调节多样性约束，灵活权衡公平与效率，理论最优且实验优于基线。
降采样如何影响针极肌电图信号？一种理解降采样对高频时间序列影响的可推广工作流程
提出工作流评估降采样对针极肌电图信号影响，发现形状感知算法保留诊断信息并降低计算负载，为近实时分析提供指导。