中文标题
通过LoRA权重奇异向量指纹直接检测CSAM文本-图像模型，无需生成输出或元数据，鲁棒且跨模型通用。
视频对象插入与图层分解的显式层建模
提出TriLayer数据集和DBL-Diffusion框架，通过显式层建模提升视频对象插入与图层分解质量。
通过目标感知数据对齐的细粒度食品图像理解
提出数据对齐方法，经选择与精炼后融合专家决策，提升细粒度图像理解，性能提高且高效。
平衡多尺度相似性与制图约束：面向线状要素综合的相似性驱动优化框架
提出融合多尺度相似性与制图约束的优化框架，自动调参，平衡信息保留与可读性。
基于传感器令牌自注意力的无矩阵光声图像重建
提出传感器注意力网络SAN，无需系统矩阵，直接稀疏重建光声图像，速度提升一个数量级，SSIM达0.522。
寻找最优成本受限计划缩减：改进模型
从预计算计划中提取成本约束下最优子计划，提出两种精确方法（OSP和改进ILP），提高效率。
LAFOV PET扫描仪中基于机器学习分类器逐事件背景剔除的系统评估
评估ML分类器用于LAFOV PET逐事件背景剔除，4特征模型泛化好，准确率0.74/0.69，但抑制散射有限需改进。
一种极其简单的基于规则的访问循环方法用于行程目的地预测
提出基于规则的访问循环模型，利用重访行为预测未知目的地，无需训练即优于监督学习，获比赛第二名。
代码优化的强化学习方法
通过三阶段方法解决时序奖励的噪声与稀疏问题，在保持正确率前提下显著提升代码执行速度。
Freq-RemoteVAR: 面向遥感变化检测的下一频率自回归建模
提出频率自回归框架Freq-RemoteVAR，将变化检测转为频域逐级生成，通过频率分词和因果建模捕捉长程依赖，并抑制伪变化，性能领先。
SpectONet：一种物理引导的谱深度算子网络用于欧拉-伯努利梁动力学
提出SpectONet，用非均匀谱传感器和物理约束求解梁振动，预测误差比基线降低64%以上。
超越自我认知：在大语言模型中传播推理与检索的不确定性
利用置信度阈值路由检索，减少检索量20.4%并提升F1至0.483，但额外探测增加28.2%token。
AI系统中的图像质量依赖退化
通过图像质量估计调整置信度阈值，避免低质图像下的关键错误，并用归一化流评估图像质量。
零样本表面肌电运动分类的原型自适应
提出CPI和SAP方法，零样本识别组合动作，精度提升超20%。
患者端健康AI智能体评估基准框架：PatientAgentBench
提出PatientAgentBench，通过模拟对话和六维临床评分评估AI智能体，发现分诊与安全存在差距，静态基准不足。
基于眼动追踪的自动可读性评估方法认知评估
自动可读性评分方法无法有效预测实时阅读难易度，远逊心理语言学词汇属性，需认知驱动新方法。
CoTinyVLA：亚十亿参数视觉语言动作模型的思维链蒸馏
CoTinyVLA（0.9B参数）通过思维链蒸馏，在LIBERO-Plus基准上超越7B模型，内存仅2.25GiB。
从训练到部署：基于灵敏度比的事后因果特征识别
NSR方法通过灵敏度比准确识别因果特征，理论保证且无需修改训练模型，实验验证有效。
GeoMFD：基于几何感知适配器与边界场蒸馏的连续无人机视角地理定位
提出连续无人机视角地理定位方法GeoMFD，结合冷启动、几何感知适配器和边界场蒸馏，用单模型缓解遗忘并达到多环境竞争性能。
面向昼夜无人机视角地理定位的统一基准与模态自适应网络
构建含可见、红外、卫星图像的昼夜地理定位基准IRCHN，提出MASTR-Net实现模态自适应对齐，性能领先。
设计纠缠：表格型上下文学习器中的虚假变量内信号路由
ICL易利用特征中虚假信号而非因果信号，理论证明无法避免，两种轻量缓解方法有效。
基于机器学习的气举优化工作流在非常规油气田中的应用
ML模型预测气举性能并优化注气量，Bakken油田试验增产超5%，已部署至200余口井。
高权重神经元是图像分类神经网络中的关键神经元吗？
高权重神经元并非全部关键，其重要性非线性，低权重神经元也有显著贡献。
局部自适应揭示Transformer中的不同学习特征
局部适应位置影响模型学习、泛化与选择性，不同目标呈现独特适应几何。
A2TTA：面向演化交通传感器网络的锚定与敏捷测试时适应
A2TTA通过输出校准与双时间适应，解决拓扑扩展和多尺度时间偏移，提升演化交通预测鲁棒性。
AI在物理学、天体物理学和宇宙学科学研究中的辅助能力 I：文献综述
AI与人类选文重叠不足6%，且生成文献中3%为虚构、64%存在元数据错误，但2026年模型显著改善。
AIriskEval-edu演示：教学解释中的教育风险审计
该平台审计教学解释的五个风险维度，用本地评估器实时审计并提供可解释结果，性能优于GPT-5.5。
智能体技能至关重要：从执行轨迹中推断专有技能
提出SigLeak框架，从执行轨迹中重构专有技能，平均成功率提升6.88%，实现最高语义相似度，证明行为侧信道暴露专有知识。
DRIFT：直接-递归干预条件预测ICU生理轨迹
DRIFT混合直接与递归模型，在ICU轨迹预测中降低MAP误差0.67%，对治疗序列变化更鲁棒。
时序搜索与推理蒸馏：通过约束辅助的高效数据合成进化大语言模型用于未来预测
提出时间截断约束提升时序搜索数据质量与合成效率，蒸馏实验验证其能使模型性能最优，实现参数级进化。
RSIBench-Data: 面向递归自我改进的数据中心研究基准测试
评估LLM代理数据中心研究能力，发现58%场景可改进但78%后续尝试得分更低，揭示持续改进难题。
最小化目标激活：仅通过输入抑制大语言模型评估意识潜在表示
仅输入优化可抑制评估意识潜在表示，但可读性不等于可控性，CAA方向效果有限。
Stemma：诱导决策区域揭示LLM溯源
提出Stemma方法，利用诱导决策区域继承性测试LLM溯源，抵抗特征漂移，在770对测试中AUC达0.967。
面向不规则临床时间序列问答的经济高效多模态大语言模型推理框架
提出ClinPRISM，利用不规则感知编码与渐进对齐，仅用16个token、0.15秒延迟，实现临床时间序列问答最优性能。
超越静态成本：面向长尾分类的学习动态感知损失函数
提出学习动态感知损失(LDAL)，动态调整类别权重，超越现有重加权方法，兼顾准确性与泛化性。
利用LLM生成的食材标签和多模态融合的食物图像分割
提出LIM-F与LIM-Q模块，借助LLM推断食材标签提升分割性能，在FoodSeg103达最优，mIoU达55.0。
多传感器天气模拟对齐
提出ReDAM与Unified-weather-edit对齐方法，验证对齐多传感器模拟提升3D检测鲁棒性。
密度矩阵框架用于锂金属电解液中官能团与盐效应的电子结构分析
提出密度矩阵AI平台EMolStudio，预测分析电子结构，揭示官能团与盐对锂金属电解液反应性的关键影响。
LaP-Forensics：基于潜在-像素一致性的多模态推理用于深度伪造检测
LaP-Forensics利用DDIM重建残差增强RGB检测，GRPO优化预测，跨生成器检测有效，但文本忠实性和后处理可靠性待改进。
重新思考乳腺X线摄影迁移学习：面向乳腺癌筛查和病变诊断的数据集知情迁移学习（DITL）框架
提出DITL框架，融合数据集难度信号与邻域三元组监督，无需调参，显著提升乳腺X线分类性能，适用于筛查到诊断。
能有多小？——针对60M参数模型上Text-to-SQL任务的LoRA秩、目标模块与量化权衡的受控研究
LoRA r=16恢复全微调精度差11.6%，参数<1%，内存降31%；INT8/NF4量化精度相近，内存成本极低。
JKO-RAG: 分布检索作为Wasserstein自由能梯度流
将重排序建模为Wasserstein梯度流下自由能最小化，理论揭示鲁棒性优势，实验全面超越交叉编码器。
基于算子诱导和正则化符号森林的概率符号回归用于方程发现
提出概率符号回归框架，利用正则化符号树集成平衡精度与复杂度，理论保证后验浓度，在方程发现中性能优越。
CoRT: 基于反事实重放的Token级评分引导策略优化
CoRT利用反事实重放实现token级信用分配，无需辅助模型，平均提升4.4个百分点。
基于信息论的文本程式化簇识别方法
提出加权自信息算法识别文本程式化簇，应用于希伯来圣经分层，揭示作者与编辑过程。
M^2PO：面向机器翻译的多视角多对偏好优化
提出M^2PO框架，通过双视角机制纠正流畅性偏差，并用多对目标捕捉部分错误，使9B模型性能匹敌GPT-4o。
对抗性深度伪造生成及基于净化的对抗性检测研究
使用多模型PGD攻击生成深度伪造，结合两个检测器以99.4%准确率检测，自研净化检测AUROC达0.81-0.98。
利用语言弱监督的开放式CT体积分割
结合体素与切片级弱监督，利用报告提取切片描述，提升CT分割Dice，少量标注下相对增益22%。
正二次网络中的商动力学、有效曲率与隐式偏差
揭示正二次网络商结构下的动力学与曲率，梯度流投影为黎曼流，欠定情形收敛于最小迹解。
TIGA：轨迹注入式生成攻击——针对黑盒AIGC检测器
提出TIGA框架，无需源图像和训练，通过注入对抗性轨迹生成逃避黑盒AIGC检测器的图像，性能强且鲁棒。