Pictura：面向驾驶的大规模视角自博弈
提出视角自博弈方法，用Pictura模拟器从图像直接训练驾驶策略，无需特权观测，性能比肩并零样本迁移超越特权模型。
HiSkill：用层级技能图赋能大语言模型智能体
HiSkill构建层级技能图连接高层技能与可执行动作，提升长时任务效果，减少推理消耗。
FlashEvaluator：利用并行序列级评估扩展搜索空间
FlashEvaluator提出联合评估器，单次前向传播评分所有候选，通过重用减少计算，降低延迟44%，提升QPS114%。
超越模式匹配：提示注入检测的七种跨域技术
提出七种跨域提示注入检测技术，三种已实现，本地对齐检测器使F1从0.033升至0.378且几乎无新增误报。
基于稀疏自编码器引导的可控大语言模型推理
利用稀疏自编码器分解推理策略隐藏状态，提出SAE-Steering两阶段特征识别，控制效果提升超15%，准确率提升7%。
动态多准则瓶颈严重性指数（DMBSI）用于半导体晶圆制造：一种针对回流生产系统的遗传优化框架
提出DMBSI，GA优化后相关性达0.80，优于TOC/VSM，可识别瓶颈迁移并降低周期时间7.2%。
薛定谔的猫：潜在场景运动学的概率表征与预测
提出GARFIELD概率模型，学习时空潜在分布表征未来运动，采样快97倍，密度估计快两个数量级。
基于贝叶斯网络的LLM多智能体系统运行时不确定性监控
提出利用贝叶斯网络将token级log概率校准为任务级置信度的方法，用于LLM多智能体系统的运行时不确定性监控。
利用反事实数据增强和大语言模型改进罕见药物推荐
GenRxR利用大语言模型生成反事实数据并建模共荐药物，显著提升罕见药物推荐性能，最高提升30.9%。
DecoEvo: 文本空间中求解器与评分生成器技能的分数解耦协同进化
DecoEvo解耦协同进化求解器与评分生成器，利用标准反馈和审计更新，无需黄金评分即提升性能。
凸优化中更强的内存-查询权衡：次二次内存的局限性
证明凸优化一阶ORACLE下界：随机算法需Ω̃(d²/√m)查询，确定算法需Ω̃(min{d^{1.6}, d^{8/3}/m^{2/3}})查询，首次揭示内存约d²时的相变。
脑电图基础模型对长时程时间相关不敏感：跨群体脆弱性背后的频谱-时间分离
五个EEG基础模型均无法恢复长时程时间相关（DFA指数），频谱模型仅能恢复1/f斜率，模型嵌入受记录部位主导而DFA指数部位鲁棒。
不可信的作者，可信的答案：保真度分级翻译的演算
提出保真度分级翻译演算，构建翻译图回答程序问题，实现LLM不可信下的可信答案，经Lean4机械验证和测量。
dtControl2+ε：通过决策树在MDP中权衡最优性与可解释性
dtControl2+ε通过允许不精确度ε构建更小决策树，保证ε最优性同时提升可解释性，树规模大幅减小。
Messier：用于跨基准智能体评估的高分辨率语料库
Messier统一语料库含95.7万记录，覆盖30基准、714智能体，揭示能力进展不均，支持能力标度与基准审计。
AVE-Compass：面向音视频编辑能力的全面评估
提出AVE-Compass基准，通过145个视频和196个指令全面评估音视频编辑能力。
迈向自治网络中标准化的跨供应商代理工具信任管理
提出跨供应商代理工具信任管理模型，实现近实时遏制与收敛，支持标准化自治网络管理。
交互式奖励智能体：通过环境状态验证评估GUI任务
IRA通过环境状态验证评估GUI任务，准确率86.9%，为GUI智能体训练提供有效奖励信号。
关键点引导的最优传输：模型、算法及应用
提出KPG-RL模型，利用关键点引导最优传输匹配，应用于域适应、单细胞对齐和图像翻译，实验有效。
利用语义地图实现城市场景跨视角定位
利用VLM提取语义地标并匹配，通过轻量级匹配器实现城市场景定位，泛化性强。
地震目录的知识图谱自动构建与查询
基于GraphRAG自动构建地震目录知识图谱，无需人工结构化，通过提示修复提升准确性，实现目录级总结与阶段比较。
CHARM：具有分层上下文建模的多模态图基础模型用于零样本迁移
CHARM通过分层图上下文建模融合多模态信息与图结构，实现多模态图零样本迁移，性能提升。
落后驱动不安全发展：一项理想化AI竞赛实验
实验显示，不安全行为源于落后恐惧和对手行为，而非风险偏好，政策应聚焦减少竞争压力。
令牌即一切：双用途语义ID实现推荐系统中LLM级别的I/O效率
提出双用途语义ID，用分层量化将连续嵌入转为离散令牌，同时承担身份与重建角色，替代存储实现高效推荐。
CORF-GS: 基于光学-射频耦合高斯泼溅的实时无线辐射场重建
提出实时无线辐射场重建框架，利用光学-射频联合高斯表示与优化，实现高质量高速度重建。
中文标题：面向多仓库库存分配中运筹学公式选择的大语言模型
中文摘要：提出求解器引导的大语言模型框架，通过MIP评估和GRPO优化，在多仓库分配中提升专家选择准确率与分配质量，在京东数据上Hit Ratio@1从21.45%升至50.42%。
ScoreShield：相似度评分的差分隐私发布
提出ScoreShield，用扰动后投影机制实现差分隐私相似度评分发布，降低失真并提升效用。
桌面Delta基准：计算机操作模型能否理解桌面GUI变化？
新基准DDB评估模型对桌面GUI因果转换的理解，发现排序和动作定位存在显著差距。
HiFi-UMI：仅从高保真UMI数据学习可部署操作策略
通过高保真UMI数据实现零机器人后训练直接部署，成功率85%，预训练降低误差41%，开源2000小时数据集。
合成控制中的谱截断
谱截断合成控制法在多种场景下均劣于原始路径法，但预处理可消除差距。
A2D2：奥迪自动驾驶数据集
A2D2数据集含图像、点云、语义分割及3D框标注，360度覆盖，助力自动驾驶研究。
基于嵌入归一化流与矩约束下隐含经验概率的模拟参数估计
结合嵌入归一化流与矩约束经验似然，提出两步模拟参数估计框架，实现端到端参数更新与替代模型。
Penelope：局部化隐式循环用于高效结构化推理
Penelope通过局部隐式循环和渐进式课程学习，将推理内化至隐空间，减少解码器重复执行，实现高效结构化推理。
设备温度对射频指纹识别精度影响的表征与缓解
提出温度感知射频指纹框架，融入温度信息，显著提升分类精度，尤其在未知温度条件下。
基于CNN的心电图图像分类中的捷径学习与聪明汉斯效应分析
通过构造六种特征集，发现CNN模型可能依赖非临床伪影而非波形形态，存在捷径学习与聪明汉斯效应。
内蕴与三角剖分无关的注意力：一种简单而强大的网格学习方法
本文提出内蕴且三角剖分无关的注意力机制，简单强大，在多网格学习任务上超越现有最优。
通过隐式接触微分实现残差MPC的轨迹优化分摊
隐式微分避免展开自动微分，内存消耗低；优化器蒸馏将全水平iLQR摊销为策略，显著提升残差MPC成功率。
SearchArt：利用可扩展合成与验证任务训练长时搜索智能体
SearchArt通过可扩展合成与验证任务训练长时搜索智能体，27B参数在多个基准上匹配或超越前沿闭源智能体。
GraphRareBench：一个用于表型驱动罕见病诊断的可审计图证据基准
2365案例的可审计图证据基准，揭示模型在硬混杂区分和证据覆盖上的互补行为。
快速、准确且可微分：面向NRSur7dq4进动双黑洞波形的神经网络替代模型
提出NRSur7dq4进动双黑洞波形的神经网络替代模型，中位频域失配<2e-4，GPU端到端快10倍，完全可微分支持梯度推断。
游戏AI不好玩？人类与电脑对手乐趣差异的范围综述与元分析
研究发现，与电脑对手对战时，玩家的乐趣显著低于与人类对手对战，存在中等至大的心理惩罚效应。
黎曼视角下的活跃子空间
活跃子空间从欧氏空间推广至黎曼流形，揭示局部测地球内特征值与特征空间的二阶近似性质，并应用于球面形状分析。
SAM-MI：一种掩膜注入框架，用于增强基于SAM的开放词汇语义分割
提出SAM-MI框架，通过稀疏点提示加速掩膜生成，浅层聚合缓解过分割，解耦注入提升精度，速度提升1.6倍。
解锁大型视听检索模型中的空间定位能力
利用音频查询中间视觉token，轻量池化恢复空间信息，实现弱监督音频-视觉定位SOTA性能。
Leveraging ChatGPT's Multimodal Vision Capabilities to Rank Satellite Images by Poverty Level: Advancing Tools for Social Science Research
记忆成为媒介时，什么会丢失？评估AI生成的口述历史可视化
口述历史AI可视化中场景规划与叙事保存冲突，源证词叙事结构强度为主要预测因素，提出基于失败模式的评估框架与路由协议。
FFNet：基于MetaMixer的高效卷积混合器设计
通过FFNification将自注意力转为高效卷积混合器，FFNet仅用简单操作超越复杂方法，验证查询-键-值框架重要性。
Lloyd的K均值聚类算法是Frank-Wolfe的变相
揭示Lloyd算法实为Frank-Wolfe特例，推导出非渐近O(1/t)收敛率。
Laplace-PSN-IRT: 大语言模型基准测试的神经项目反应理论模型的不确定性量化
提出Laplace-PSN-IRT，通过拉普拉斯近似实现LLM基准测试中模型能力和项目难度的贝叶斯不确定性量化，使模型比较更可靠、Fisher信息更稳定。
面向对象编程课程中学习者与AI的交互模式与学业表现
研究显示，学生多将AI用于解释和调试而非代码生成，不同使用模式未导致成绩差异，表明自我导向AI使用无直接学习收益，需教学引导。