使用Trans-Unet实现高保真三维点云学习以预测脑折叠形态
Trans-Unet将3D点云转2D网格，融合CNN与自注意力，高保真预测脑折叠形态，精度优于现有方法。
MotifRole-Diff：面向掩码分子图扩散的风险最优角色感知扰动
提出角色感知掩码策略，根据角色重要性分配掩码率，提升分子图生成性能和重构质量。
对抗性风格优化：基于GRPO的风格触发优化增强视觉语言模型越狱攻击
发现多模态大模型安全防御易被风格触发绕过，提出GRPO驱动的对抗风格优化（ASO），显著提升越狱攻击成功率。
ISPCloak：利用ISP实现无优化的物理伪装以对抗深度伪造检测器
利用真实ISP管道注入物理噪声，无优化生成对抗样本，有效逃避深度伪造检测。
Oxygen-TryOn：面向任何商品的时尚原生基础虚拟试穿模型
Oxygen-TryOn是时尚原生基础模型，通过三阶段训练实现多物品高保真试穿，在多项基准领先。
TILT: 利用模型内在奖励提升扩散模型的组合生成能力
TILT提出无需训练的内在奖励对齐方法，通过KL约束倾斜分布改进扩散模型组合生成，提升对齐度和图像质量。
SCOPE与SCION：面向文本模式归纳与融合的基准测试与可审计参考流程
提出模式归纳基准SCOPE与可审计流程SCION，SCION-lite在多项指标上达最高F1。
时间干预下个人LLM智能体的用户条件化评估
个人LLM智能体评估需时间干预与用户条件化状态，现有基准缺失，提出新基准指标。
FlowEvo：通过工作流与可执行技能协同进化实现自我进化的智能体
FlowEvo无需训练，通过工作流-技能协同进化，将成功轨迹编译为可重用技能，持续提升任务解决能力，实现最优准确率-成本权衡。
利用自然语言自编码器探测Qwen2.5-7B中的潜在哥伦比亚身份推断
本研究表明Qwen2.5-7B在处理提示时可能内隐编码哥伦比亚身份和刻板印象，且早于输出表达。
面向智能服务的漂移稳定量子联邦学习
针对异构数据与噪声量子优化导致的客户端漂移与不公平问题，提出DUQFL-Prox框架，利用深度展开优化与近端项提升稳定性、泛化性和公平性。
Risk Is Not the Target: A Monotonic Framework for Evaluating Wildfire Operational Risk Signals
提出单调性评估框架，证明野火风险模型应关注序数尺度与运营负载的单调关系，而非预测准确性。
闭环：自回归生成渲染的无训练重访一致性
利用3D引擎的时空对应修复自回归生成中的重访不一致，无需训练且性能更优。
通过内部信息分解保障多模态AI安全
提出FlowGuard，监控跨模态一致性检测有害输入，攻击成功率从>90%降至<15%，效用损失<3%，延迟减少6倍。
元强化学习的拟蒙特卡洛初始化
QMC初始化在相似任务上加速训练，正交初始化在异质任务上更优。
依赖差距的测量：诊断表格生成模型中的列间保真度
提出依赖感知诊断，发现标准指标遗漏列间依赖差距，源于缺乏直接监督，且廉价干预无效。
基于共识的大语言模型相对偏好评估框架
提出共识框架，用多模型投票匿名排名衡量相对偏好，发现一致模式，提供可扩展比较方法。
评估设计条件影响专家与自动MeSH差距：Cohen基准上词袋与BiomedBERT的控制比较
专家与自动MeSH标签的分类差距随评估设计变化，从+0.096降至+0.02，结论依赖于评估方式。
从帧级识别到事件级确认：公共空间手势交互的修复追踪与运行时故障分析
分析公共空间手势交互的识别-交互差距，提出故障分类与事件级运行时抽象，基于工程修复记录总结案例发现。
风险路由隐式边界细化用于鲁棒超声图像分割
RIBR用隐式残差校正和边界正则化提升超声分割鲁棒性，在9个数据集上边界误差最小。
调整速度作为非平稳强化学习的安全约束
通过预测适应需求并主动干预，该框架在非平稳环境中显著减少安全违规。
版权法合规性的智能体评估
提出Copyright-Bench基准评估LLM智能体版权合规性，发现智能体常选侵权内容，违规率受偏好和时间压力影响。
Humanly: 一个可配置且可追溯的人机协作写作环境
Humanly平台记录写作过程与AI辅助，生成可追溯证书，支持配置化异常检测，区分手工与自动打字。
保持一致！利用一致性约束增强LVLM的鲁棒视觉推理
提出ConVBench基准及ConVLM方法，通过GRPO强化学习与一致性奖励，提升LVLM视觉推理的逻辑一致性和鲁棒准确率。
使用残差U-Net和文本提示SAM3精化从1米NAIP影像进行农田范围与可见边界制图
用ResUNet和文本提示SAM3精化，从1米NAIP影像制图农田范围与边界，测试精度高，有效处理复杂场景。
AgentKVShift：面向智能体记忆系统的高效KV缓存复用
AgentKVShift通过探针估计共享偏移校正KV缓存，仅刷新10-30%即达全重编性能，加速2-3.5倍。
拓扑与执行耦合的层次搜索：智能体工作流合成
提出HierFlow免训练层次搜索，反馈调整拓扑与MCTS优化子工作流，智能门控实现高效均衡。
云原生评估即服务：具有共形保证的可扩展AI监控的微服务架构
提出云原生微服务架构EaaS，实现共形预测、漂移检测等可扩展AI评估，验证了理论保证与低延迟性能。
Khondo：孟加拉语表单文档包分割的多模态基准
首个孟加拉语表单文档包分割基准，发现页面顺序恢复是主要挑战，语言是次要因素。
数据质量胜于容量：将文档内化到LoRA适配器用于闭卷问答
通过LoRA将文档内化到模型权重，数据质量是关键，单次整理使闭卷问答准确率从57.7%升至85.7%，超越检索增强方法。
利用外部知识的检索增强大语言模型修复历史文档
本文提出ARI框架，结合大语言模型与检索增强生成，有效恢复历史文档中断裂的命名实体，显著提升修复效果。
光谱流证书：面向深度感知长距离传播的图神经网络
光谱流证书从拉普拉斯矩阵计算，无需训练即可高精度预测图神经网络长距离传播能力。
学习用于三维占用的自适应语义高斯分配
提出SAGFormer，通过评分选择高斯集，减少语义混合，增强体素支持，显式容量分配补充高斯优化。
面向目标无关的偏微分方程联合嵌入预测控制
基于JEPA的目标无关PDE控制框架，用动能探针规划优于潜L2规划，显著提升Navier-Stokes精度。
中文标题：当照片列队包含来自大型图库的非匹配排名第一图像时，准确性会如何？
图库越大，目击者错误识别率及错误信心越高，质疑此类照片列队用于逮捕的合理性。
SCALE：先进节点下局部P&R DRV修复的自监督约束感知布局生成
SCALE自监督框架经布局生成与VLM微调，提升亚2nm局部DRV修复率12-25%。
逻辑门网络的深度可扩展性
提出输入锚定逻辑门网络，解决优化崩溃与拓扑限制，实现超100层深度稳定提升。
多时域一致性作为几何：潜在动力学何时收缩，何时不收缩
提高多步一致性权重λ使被动视频潜在动态收缩（扩张降80%、误差减半），但仅限特定任务，领域受限。
迷失在上下文中：应对大语言模型的上下文焦虑
大模型因上下文焦虑（过早自我怀疑）导致失败和效率损失，可通过学习替代策略改进。
重新思考基础模型时代下车辆重识别中的多分支与跨骨干融合
基础模型时代，改进单一骨干网络加重排序比多分支融合更有效。
Molt: 一个可扩展的原生PyTorch智能体强化学习训练框架
Molt是轻量级开源PyTorch框架，性能媲美Megatron，便于算法全链路修改。
Trajectory-Aware Retrieval Agents for Temporal Decision- Making
程序性知识并非低秩：LoRA为何无法内化多步骤流程
LoRA在程序性任务中有效秩高达761-1026，远超128，导致其无法匹配全量微调性能。
扩散模型在医学图像修复中的应用：挑战、解决方案分类与未来方向
综述扩散模型在医学图像修复中的进展，分析架构与挑战，提出分类法，指出缺乏标准化基准等问题。
神经特征治理：扩展神经原子普适性
NAP框架通过贝叶斯方法实现节点级稀疏化（节点减至8%），同时保持准确性、可解释性与不确定性量化。
医学检查清单：评估多模态模型对医学图像的理解能力
Medical-Checklist通过二选一测试评估多模态模型对医学图像的理解，发现现有模型理解不足，临床应用前景遥远。
分析语言模型中的自残表征：一项跨架构研究
发现自残信息集中于模型最后3-7%层，精确探针不总是线性可分，不同模型表征存在差异。
基于精确线性代数的浅层ReLU网络表示
证明n≤10时最大值可用两层ReLU精确表示，更大n时深度上界为log5(n)+1.5694，d≤9的连续分段线性函数也有两层表示。
FrED：基于领域知识图谱的外部数据影响估计
提出黑盒概率框架，融合特征相似性与领域知识图谱，实现高效可解释的训练数据归因与领域锚定检索。
知足常乐：强化学习如何缓解大语言模型任务冲突的综合分析
RL通过在线数据、知足常乐目标及正负例优化减少任务冲突，提升模型合并效果。