PILA：面向LLM原生广告的即插即用插入方法
PILA将广告插入转化为有条件响应重写，作为侧车模块解耦，提升广告效果且不影响响应质量。
AMRD：自适应多教师关系蒸馏轻量级语音情感识别
针对多教师蒸馏中教师可靠性波动及忽视样本间关系的问题，提出自适应加权与关系蒸馏方法，在多个数据集上优于单教师基线。
SAFAARI：模式感知的加速广告主响应智能框架
提出SAFAARI多智能体框架解决NL-to-SQL的Schema链接瓶颈，新指标SEAL达81.66%，开发时间缩减8倍。
常数深度与对数深度神经网络的算法分离
首次证明常数深度与对数深度网络间的算法分离：对数网络能高效学习分层谱布尔函数，而常数网络存在常数逼近误差。
CogEEGAgent：迈向具备落地执行与选择感知验证的自主认知脑电分析
提出结合LLM与确定性组件的CogEEGAgent，实现自主脑电分析、验证选择并控制确认，减少假阳性，建立可审计自动化框架。
构造驱动的注入：大型语言模型中基于语言学的编辑式代码混合指纹
提出LCF框架，联合优化构造与注入，用低资源语言代码混合降低困惑度，零空间投影保持知识，实现隐蔽所有权验证。
医疗世界模型：可信赖临床转化的基础、应用与挑战
本文综述医疗世界模型的概念与四大能力，当前研究多为回顾性，临床转化需克服因果识别、不确定性及前瞻验证等挑战。
ScaleResfusion：基于残差向量场的残差整流流
提出ScaleResfusion，利用残差整流流适配预训练扩散模型，从带噪低质图像高效恢复高质量图像，达SOTA。
Neurai-VN基准：多模态数字表型心理健康分类的标准化机器学习模型
基于Neurai-VN数据集构建多模态数字表型心理健康分类基准，四任务F1达0.56-0.71，提供可重复基线。
转移动态偏移下表格型MDP的混合强化学习统一算法框架
针对转移偏移的混合强化学习，提出统-算法框架（MIN-UCB-VI与MAX-LCB-VI），提供最优策略学习及理论保证。
对话式人工智能的心理影响：减少伤害与促进福祉的研究与设计方向
对话AI影响用户心理健康，需设计行为以减少伤害、促进福祉，但长期影响评估困难，需深入研究。
SpeechLLM与联邦学习在端到端语音识别中的结合：英语与意大利语案例研究
首次将联邦学习用于SpeechLLM的端到端ASR，设计通信高效策略，在英意语上实现有竞争力的词错误率并降低通信成本。
迈向智能体操作系统——来自经典与云操作系统的启示
借鉴经典与云OS经验，为智能体AI定义核心抽象与语义，推动平台化发展。
超越单回合优化：面向长期广告效果的滑窗感知生成式自动出价
提出SWAG-Bid滑窗感知生成式自动出价框架，解决跨日耦合，兼顾约束与价值获取。
MEDit-Bench：用于评估消息驱动叙事视频编辑的数据集
提出MEDit-Bench数据集，评估消息驱动视频编辑，发现模型在严格阈值下显著落后于人类专业编辑。
FunnelAL：面向单类发现的检索后排序主动学习
FunnelAL采用检索-排序-探索级联架构，高效实现单类发现，取得最佳F1与标注效率，且抗噪声能力强。
桥接计算最优与数据最优的预训练
提出CD缩放定律，用token有效性函数量化派生数据价值，发现其随模型和参数比变化并饱和，挑战经典计算最优分配。
用眼睛感知：广告中的感觉生成与理解
首次提出感官广告数据集、分类与评估指标，以及多智能体生成框架，奠定视觉感官说服基础。
可寻址召回压缩：面向AI代理的长上下文窗口控制
ARC框架通过ID可寻址日志分离存储与上下文，压缩时保留引用，实现99.4%准确率，优于基线。
HeAD-CP: 面向图神经网络的异构感知扩散共形预测集
针对图异质性，提出HeAD-CP扩散变体，通过无标签局部同质性估计调整系数，显著优化异质图共形预测性能。
How Often Should a Recommender Call an LLM? Value-Weighted Routing, Monitoring, and Seasonal Robustness
CLBench-V：评估从情境基础到知识获取的多模态情境学习
CLBench-V基准评估多模态情境学习，涵盖情境基础、新信息应用与新知识学习三个维度，最优模型得分仅0.2847，表明该领域远未饱和。
PLATO：面向智能体与任务开放性的指针学习器
提出PLATO，用指针网络和图神经网络解决多智能体强化学习中智能体与任务的开放性，实现无界空间下的零样本泛化。
深度表示学习何时有助于单细胞聚类？针对生物医学AI管道的敏感性感知诊断基准
深度学习在小规模或多批次数据中更优，经典PCA仍有效，调优超参数是关键。
用于无人机高光谱PFM-1地雷检测的人在回路特征自举方法
采用人在回路特征自举，仅需9次候选检查即可确认所有目标区域，远优于需数千次检查的SAM变体。
超越背景偏见：基于显著性的原型对齐用于数据集蒸馏
提出显著蒸馏框架，用Grad-CAM构建类别判别原型并细化，提升蒸馏数据集质量与泛化性。
MyMentorLLM：一个包含多模态语音/文本患者、受训者和专家的心理治疗GenAI刻意练习环境
MyMentorLLM多模态CBT训练生成2100会话，分析情绪诊断，表明刻意练习可行但需评估反馈。
HOME：面向结构化与无纹理视频的鲁棒霍夫空间匹配方法
提出超轻量免训练霍夫空间极值匹配框架，实现结构化场景高效鲁棒配准，速度远超线特征方法。
用于少样本涂鸦标注的医学图像分割的双层协作学习
提出双层协作学习框架，通过上下层双向交互与结构先验生成伪标签，显著提升少样本涂鸦监督分割精度。
可扩展RAG：零摄取成本下的高质量RAG
零摄取成本RAG通过工作空间实现聚合推理，平均准确率超基线7.36%。
面向小规模语言模型智能体的稳健强化学习
发现小语言模型PPO三种故障，提出合并重初始化适配器等修复，验证容量-余量假说，稳定收敛且优于指令微调基线。
利用优化器导出几何引导后验探索
提出利用优化器导出的几何作为预条件采样，消除燃烧阶段，提升稳定性与不确定性量化，且无额外开销。
CADENCE: 用于心电图基础模型的可解释神经概念提取的心脏原子词典
CADENCE用稀疏自编码器从ECG基础模型提取可解释心脏原子，更好对齐临床表型，提升预测性能。
Stiefel流形上的无收缩优化及其在LoRA微调中的应用
提出无收缩无惩罚参数的Stiefel流形优化算法，用于LoRA微调，加速训练并提升下游性能。
高光谱图像内在分解：非朗伯场景下反射率与光度成分的联合恢复
提出双尺度分解方法，实现非朗伯场景高光谱反射率与光度成分的完整盲分解，并构建首个真实数据集CITE。
打破周期性假设：基于图谱低秩学习的鲁棒张量多视图聚类
揭示现有张量多视图聚类对样本排序的周期假设依赖性，提出图谱低秩学习框架消除依赖，实现鲁棒聚类。
PreDiff-LM：基于混合注意力的预训练离散掩码扩散语言建模
提出混合注意力机制适配预训练自回归模型到离散掩码扩散，显著提升生成质量和效率，但仍逊于同规模自回归模型。
AI在物理、天体物理和宇宙学科学研究中的辅助能力（二）：项目规划与提案评估
LLM能生成与人类相当的项目计划，但AI评审偏向AI提案，且AI可100%识别作者，建议谨慎应用于提案准备与评估。
高效剪切-扭曲可视化的高斯体积表示
提出高斯体积表示，用稀疏监督实现高效剪切-扭曲可视化，达43.86 FPS和11.31:1压缩比。
WorkSurface-Bench：面向多界面知识路由的企业智能体基准测试
提出WorkSurface-Bench，评估企业智能体多源知识路由能力，1151个任务表明正确选择界面必要但不足。
情感如何在大语言模型智能体间传播：人群模拟中的涌现情绪传染
情感通过感知-评价-表达循环在LLM智能体间传播，产生空间及人格依赖的情绪传染，且动力学依赖后端模型。
UniMem：面向边界无关任务流的互补性情景到参数记忆
UniMem利用自路由框架协调情景与参数记忆，平衡稳定与可塑，在边界无关任务流中平均提升4.0 EM。
更少数据，更好对齐：以数据为中心的多评估者一致性偏好优化
DMAPO方法通过多评估者共识过滤，仅用3.45%高置信数据实现更优偏好对齐，在多项基准上超越基线方法。
土堤砂沸分割中基于逐架构校准的无泄漏交叉验证堆叠
提出无泄漏堆叠框架消除数据泄露，砂沸分割IoU达0.718，但堆叠未优于单模型，并引入零成本掩膜合成。
使用时间卷积网络推断缺失轨迹数据
提出对称膨胀TCN，融合双向上下文与复合损失，有效重建连续缺失轨迹。
知风：仅利用局地稀疏观测实现实时轮毂高度风场重建
提出Zhinv框架，利用局地稀疏观测实时重建精细风场，误差较克里金法降低约66%，高效准确评估风资源。
RDVSv2：大规模RGB-D视频显著目标检测基准
提出含249序列的RGB-D视频显著目标检测基准RDVSv2，基于SAM2建立强基线，更具挑战性且达最优。
阿拉伯语语言模型对抗鲁棒性评估
对抗攻击分别使阿拉伯语模型准确率下降92%、58%、76%，对抗训练提升鲁棒性，但字符噪声仍是挑战。
使用模拟联邦学习的慢性肾脏病预测的可解释AI
本研究采用联邦学习与可解释AI，通过投票分类器和网格搜索优化模型，全局准确率99%，助力慢性肾脏病早期诊断。
AngelSpec：面向现实世界高性能推理的投机解码方法
AngelSpec通过联合特化MTP与块扩散，DFly架构提升接受长度30%，吞吐量达2倍加速。