神经网络辅助提升步骤改进JPEG 2000完全可扩展有损图像压缩
在JPEG 2000中引入神经网络辅助提升步骤，减少子带冗余，改善重建质量，实现平均17.4%比特率节省。
LISA-3D：通过多视图一致性将语言-图像分割提升至3D
提出LISA-3D，用几何感知LoRA和可微重投影损失，仅更新11.6M参数即提升2D掩码与3D重建。
基于粒子滤波的潜扩散反问题方法
引入粒子滤波框架非线性探索解空间，提升反问题求解性能，在超分辨率等任务上超越SoTA。
保形率自适应感知
CoRAS自适应选择采集率，保证重建误差，平均测量更少，对难图像分配更多测量。
利用大型语言模型实现万物互联中的智能资源分配
利用LLM任务语义推理，实现IoE动态资源调度，降低延迟能耗，提升资源利用率。
面向真实世界的神经辐射场综述
综述NeRF在3D重建中的理论进展、应用挑战及未来方向。
通过直推式原型细化与类别logit增强的少样本开放集音频分类
提出两阶段直推法，利用潜在内点权重和自适应自由能评分，实现少样本开放集音频分类，效果达SOTA。
在多模态大语言模型时代深入审视动态场景图生成
从任务设定与模型设计重新审视动态场景图生成，引入五项新评估指标，基于MLLM通过三种设计改变实现SOTA。
基于信息量的聚类联邦学习方法用于受管Wi-Fi网络的可靠流量预测
提出基于信息量的两步聚类联邦学习方法，选择最小簇信息量最大方案，实现Wi-Fi流量预测高性能低能耗。
OmniAD：通过多模态推理检测与理解工业异常
OmniAD统一检测与理解，结合视觉与文本推理，无需阈值，通过强化学习训练，在MMAD基准上达79.1，超越GPT-4o等模型。
基于孪生网络的面部动作单元识别单帧校准
通过单帧中性表情校准的孪生网络消除面部属性偏差，显著提升AU识别性能。
基于近异常检测的早期故障预测：一种主动方法
提出无监督方法CANARI，利用Christoffel函数检测近异常，主动预见未来异常，在工业数据上优于双阈值基线。
在未知协变量偏移下通过置信度引导的数据增强改进知识蒸馏
利用扩散模型生成师生分歧最大的困难样本，缓解协变量偏移，提升蒸馏效果。
基于周期性引导与信号重建的超短程rPPG估计
通过周期性引导和信号重建，从2秒超短视频准确测量心率，性能超越现有方法。
生成式触发器优化破解清洁图像后门隐身-效力权衡
GCB框架通过生成式触发器优化，以低于1%精度损失实现清洁图像后门攻击，打破隐身与效力权衡。
DREvo: 蒸馏重新校准的历史经验以实现驾驭自我进化
DREvo通过证据锚定、重校准与意图蒸馏实现稳定进化，五个基准最高准确率，平均提升16.2%和14.2%。
The Sparsity Ceiling: Where Spiking Networks Can and Cannot Trade Activity for Energy
语言防火墙：多智能体系统路由中的几何防御
提出ANTAP架构，通过主动能力测试替代间接代理，建立语言防火墙，防御描述注入攻击近零成功率，嵌入攻击成功率降低20%。
意图驱动的AI代理工具授权
IGAC将请求转为短期证书，缩窄权限并预检效果，减少暴露但精度仍是瓶颈。
论ABPMS过程框架的混合性质及其对自动过程发现的影响
ABPMS过程框架混合程序与声明性模型，扩展开放世界假设，分析行为重叠，为自动发现奠定基础。
任务与技能规划：基于黑盒技能的分层机器人规划
提出分层规划方法，集成异构黑盒技能，利用组合交互原语连接技能，在双臂与移动机器人上验证复杂长期任务求解能力。
稳定且预算可行的聚类联邦学习联盟形成：一种享乐势博弈方法
基于享乐势博弈，实现聚类联邦学习稳定且预算可行的联盟形成，逼近最优社会福利。
超越块边界：面向扩散大语言模型的多块编辑
多块编辑解决块边界问题，无训练及微调版本提升扩散LLM性能，12基准平均从61.45升至64.24。
没有数据不等于没有风险：基于可见性感知图的商业行为风险推断
利用企业关系图结合正无标签学习，可预测记录缺失企业的未来违规风险，超越传统方法。
知道的代价：超越静态排行榜的幻觉评测资源感知协议
提出MAS-HQ协议，通过竞争评分权衡事实性与计算成本，揭示静态排行榜可能误导部署选择。
交通预测真的需要自适应全局空间注意力吗？
均匀全范围混合可替代自适应注意力，效果相当且复杂度更低，非均匀残差并非始终有益。
ToxScreen：检测大语言模型是否遭到投毒
发布800个后门模型基准，发现梯度优化恢复触发器失败，基于攻击成功率的token查找有效，并揭示后门与越狱机制差异。
Agent-UCT：面向成本感知的智能体工作流优化的树置信上界算法
Agent-UCT通过前缀重用与成本感知树搜索，优化RAG工作流，成本降低73.6%，速度提升4.2倍。
TRACE-CTI：基于知识图谱的TTP声明可审计后提取治理
TRACE-CTI框架通过知识图谱实现TTP声明的可审计后提取治理，保留完整证据来源，高支持度断言精度达90.6%。
推动近似EFX分配的前沿
证明特定条件下存在2/3-EFX分配，突破0.618界限，推进了近似EFX分配前沿。
PatchDenoiser：面向低剂量CT成像的参数高效多尺度补丁学习与融合降噪器
轻量多尺度补丁降噪，用极少参数与能耗，保留细节并超越CNN/GAN，提升低剂量CT图像质量。
利用大型语言模型探究原子中心结构描述符的极限
LLM发现即使考虑七邻簇，3D结构仍不可区分，展示AI跨领域转化知识的潜力。
因果掩码Transformer的组合理论
有限精度下，从注意力记忆动态推出表达能力层级，对应四种半群，四类注意力各有紧致界限。
RA-Det：基于鲁棒性不对称性的AI生成图像通用检测
发现鲁棒性不对称：自然图像对扰动稳定，生成图像漂移大；提出RA-Det，跨模型通用，平均性能提升7.81%
特征装袋提供稳定性
提出特征不稳定性指标，证明特征装袋可提升稳定性，子采样越激进改进越大，少量轮次即接近无限装袋。
非凸神经网络中噪声解的鲁棒性
研究非凸神经网络有限温度噪声解鲁棒性，温度松弛扩展算法可达区域至OGP阈值之上，热噪声可助困难区泛化。
全局校准，处处测量：跨A/B实验扩展基于LLM的流行度测量
系统通过全局校准ML分数桶，复用LLM标签流，实现零增量成本的每日分组流行度测量，支撑约100实验/250组，覆盖20倍并发组。
AI何时应跟随？人类与AI智能体的任务结构与联合适应
AI应跟随高绩效人类；低绩效人类启动时宜用随机搜索。
Context-measure：面向伪装的情境化度量
提出情境度量基于概率相关框架增强真值上下文关联解决维度与范围缺陷更合人类感知全面超越现有伪装分割指标
InferScale：面向个性化LLM服务的GPU原生KV注入
InferScale通过GPU原生KV注入复用缓存，检索量增大时首token延迟稳定，吞吐提升3.7-4.5倍。
大型语言模型的低精度训练：方法、挑战与机遇
综述低精度训练方法，按数值格式分为定点、浮点与定制三类，并探讨量化感知训练、鲁棒性与未来方向。
用BAND打破维度诅咒：高维非参数分布估计
提出稀疏贝叶斯网络分布回归（BAND），估计高维混合数据，实现多项式收敛率，显著快于经典无稀疏估计器。
GPTQ-2D：立方时间双侧自适应舍入
GPTQ-2D在三次时间内完成双侧自适应舍入，且结果与四倍时间算法一致，按反对角线并行处理。
基于场编码的分布式耦合采样器与可验证经验传输
提出场编码编译器，将近似最优蒙日映射的传输场补全为精确边际、值可验证采样器，证书精度仅由分区直径控制。
Calibri：通过参数高效校准增强扩散变换器
扩散变换器加一个缩放参数即可提升性能；Calibri用进化算法优化约百参数，增强文生图并减少推理步。
深度专家注入：以领域知识锚定视网膜视觉语言模型
提出深度专家注入，锚定视觉证据，弥合感知与推理差距，眼科问答超越专有系统，达到最先进精度。
FPEdit：基于局部参数编辑的鲁棒大语言模型指纹标识
FPEdit通过局部参数编辑注入语义连贯指纹，微调后保留率94-100%，抗量化剪枝，资源消耗低，兼顾鲁棒、隐蔽与性能。
HoF-Bench：无需前沿模型重新发现真实AI发现的CVE
HoF-Bench：基于95个AI发现CVE，极简LLM重发现65个，无需前沿模型。
临床图介导蒸馏用于非配对MRI-CFI高血压预测
临床图介导蒸馏：构建跨队列kNN图，将MRI高血压知识迁移至眼底模型，提升非配对预测。
PIKS：通用物理信息核方法
提出通用物理信息核方法(PIKS)，证明线性微分约束下的普适一致性，给出有限样本误差界，实验显示可与PINN及有限元法竞争。