DFAH-Bench：金融决策中可观测代理不稳定性基准测试
前沿模型95%结果一致但仅77%工具路径相同，揭示三种行为模式。
面向不确定性感知的文本到视频检索的分布对齐桥接
提出分布对齐桥接框架，将检索视为分布对齐，用高斯分布建模不确定性，扩散桥接迭代优化，KL散度对比损失，性能显著提升。
HyWorldVLA：一种用于自动驾驶的混合世界建模视觉-语言-行动模型
HyWorldVLA混合世界VLA框架统一像素监督与潜在学习，在自动驾驶中优于基线并建立噪声鲁棒性新基准
热力学权重衰减：通过注意力比热探索Grokking加速
通过注意力比热峰值检测相变，动态缩放权重衰减加速泛化，显著降低Grokking延迟。
面向LLM零样本谵妄预测的知识注入框架
推理时注入临床知识，无需微调，零样本谵妄预测AUROC提升8.57/1.99个百分点，缩小与前沿模型差距。
双评分：强彩票的可靠提取
提出双评分方法，用增强评分空间优化替代层稀疏搜索，可靠提取强彩票，性能提升且对超参数不敏感。
语义场理论：历史起源、高阶交互与稳定化语义推理
提出用语义场、高阶交互与能量稳定化机制建模词汇语义与组合推理。
模型中的叙事者：叙事模式继承、升级动态与LLM对齐治理
LLM吸收人类叙事模式，引发行为漂移和潜在特质（如谄媚），形成未监控的升级风险。
超越基于结构的药物设计：几何深度学习在多药理学和多靶点药物设计中的应用
几何深度学习整合多靶点几何约束，实现共享口袋表征、多靶点活性预测及双靶点配体生成，突破传统药物设计瓶颈。
基于微调CycleGAN的无监督牙科CBCT金属伪影抑制
提出无监督CycleGAN减少牙科CBCT金属伪影，非配对训练，BRISQUE提升34.6%，FID降至157，SSIM 0.91，实时推理，高保真，可作临床辅助
潜变量中介的跨学习方法用于少样本声阻抗成像
提出RD-SCL框架，通过可微分解卷积算子动态估计潜波并对称跨学习利用未标记数据，少样本声阻抗成像性能领先，计算成本低。
StabilityBench：大型语言模型的不稳定性基准测试
StabilityBench将单轮查询转为多轮交互，注入用户模拟，发现LLMs性能不稳定，揭示静态评估局限。
前沿大型语言模型的响应漂移现象
所有前沿大模型均存在响应漂移，幅度差异大（78-81% vs 47-49%），结构依赖领域和问题，仅人类评估可捕获。
猴王棒：统一的科学多模态基础模型
MKB统一多模态科学模型，覆盖六学科，两阶段训练实现理解与生成，性能优异。
Chronofy：面向时间感知检索增强生成中信息有效性的时间逻辑衰减架构
提出Chronofy框架，通过嵌入时间衰减到检索增强生成中，减少时间幻觉并提升检索精度。
GroupVideo：多身份定制的文本到视频生成
GroupVideo通过多模态身份对齐和ID定位模块，解决多身份视频生成中的身份混淆问题，在2万视频数据集上表现优异。
单token稀疏自编码器特征是否具有因果必要性？层深度与SAE族效应
单token特征因果角色跨族差异大于族内规模效应，训练方法比激活函数或规模更关键
从错误到规则：面向文本分类的迭代提示优化
提出ERGO方法，通过错误驱动迭代优化提示，在边界可学习任务上实现高效可解释分类。
ExecuGraph: 一个基于执行验证的多智能体框架，用于大语言模型可靠后端代码生成
多智能体框架通过执行验证提升代码可靠性，实验表明模型能力越强，分解策略优势越显著。
MVEI与EmObserver：通过情感陈述判断增强面向多模态大语言模型的视觉情感智能
提出情感陈述判断范式，构建MVEI基准与EmObserver模型，全面提升多模态大语言模型的视觉情感智能。
面向多智能体系统的工作负载感知缓存
提出工作负载感知缓存策略，结合重计算成本、DAG依赖和调用频率，延迟降低达64.7%，与其他优化互补。
通过强化学习检测UI原则违规
用强化学习训练轻量视觉语言模型检测UI违规，微F1从36%提升至84%，实现可扩展界面质量评估。
Learn2Zinc：在MiniZinc中微调小型语言模型实现文本到模型转换
跨模型错误引导微调小模型，MiniZinc代码语法准确率达98%，但约束推理正确率仅35%。
优化基于超图的RAG：迈向更好的事实提取和分块检索
用自一致性提示优化事实提取，超图个性化PageRank增强分块检索，提升HyperGraphRAG性能。
Instruct-FD：你的全双工语音系统能遵循轮流发言指令吗？
提出Instruct-FD基准，评估全双工系统遵循轮流指令能力，最佳仅64.4%，主动回指打断尤具挑战。
AUCH-Net：基于动作单元的一致性感知超图网络，用于跨域小样本面部表情识别
提出AUCH-Net，基于动作单元构建一致性超图，学习可迁移特征，有效提升跨域小样本表情识别性能。
CT-Merging：LoRA适配器合并的共识方向与任务级尺度缩放
提出CT-Merging算法，通过共识方向和任务级RMS尺度缩放解决LoRA合并系数不匹配问题，在CLIP基准上显著提升精度。
可解释深度伪造检测挑战赛
ACM多媒体2026挑战赛：基于XPlainVerse基准，评估图像分类与双层次自然语言解释，推动可解释检测发展。
MKEvolve：面向内核代码生成的模块化多智能体框架
提出模块化多智能体框架MKEvolve，迭代分解优化内核，正确性与速度提升，LLM token用量减少35%。
将LLM对齐与正则表达式分离：对抗性变异下的零覆盖和度量依赖分歧
LLM对齐贡献依赖度量：自然语言有害请求零覆盖，对抗性请求下LLM裁判可检测拒绝。
ProCap：显著性引导的物体纠正实现忠实全面的视频描述
提出轻量级显著性迭代修正框架，无需重训模型，提升视频描述完整性48%，降低幻觉45%。
Fisher宽度：局部学习几何与各向异性恢复
提出原始与逆Fisher宽度，分别度量局部学习几何与各向异性恢复，并建立二者间的锐化不等式。
AISE-Bench：面向学术知识图谱信息检索的全周期精心策划基准
首个全周期学术知识图谱信息检索基准，含1133个QA对，评估多步API规划与执行，最强模型仅表现中等。
WAT3R: 前馈式水下三维重建
提出WAT3R框架，利用退化适应与轻量神经模块，从前馈方式重建水下3D场景，输出点图和位姿，性能优于现有方法。
CAMeR: 关键词门控混合激活实现LLM智能体自适应记忆保留
CAMeR通过关键词门控混合激活实现自适应记忆保留，在100轮对话中显著提升高频记忆权重，节省83.2%令牌。
评估GPT-4.1在观点预测中的人物模拟有效性
GPT-4.1人物模拟预测观点：选举9中8，疫苗信念准确率0.94，对话符背景但欠自然。需注意偏见，未来多领域应用。
FlowEdit：面向冲突不适定问题的LLM推理流信息论控制
利用信息论调节LLM推理流，生成冲突问题下的多样响应，准确率提升68%，信息量提升24%。
AI驱动的代理模型预测锂离子电池电极尺度放电行为
提出Swin3D Transformer代理管道，结合高斯位置编码与时间编码，精准预测电池放电，计算成本降低数个数量级。
贝叶斯不确定性估计改善医疗AI代理的临床决策
蒙特卡洛dropout提供认知不确定性，提升错误检测，以风险标志呈现大幅降低误诊率。
GeoThreat：针对遥感图像解译的大规模视觉-语言模型的可迁移定向对抗攻击
GeoThreat通过概念与感知调制实现遥感LVLM的可迁移定向对抗攻击，性能优越。
LeanFlow：工作流驱动的Lean自动形式化案例研究
通过两种模型和两篇论文的案例实验，全工作流变体在预算内完成项目，且输入令牌成本最低。
光谱-空间协同引导网络用于高光谱显著目标检测
提出S3GNet，利用光谱导数与区域层次建模去除光照干扰，跨流协同与多尺度细化，实现高效高光谱显著目标检测。
效价能否反映自然语言中的道德？一项初步标注研究
本研究通过500个标注构建道德效价数据集，证实效价特征可有效评估文本道德，助力AI与人类道德对齐。
STeMP：时空建模协议
STeMP协议标准化时空建模报告与过程，提供指导与警告，增强透明性和可比性。
诱导因子化概率分布的可比性
通过条件均匀扩展将不同变量集上的概率图模型提升至公共可测空间，保留概率语义且投影不变，实现可比性。
THOR：基于Theta-Gamma分层振荡推理的多跳问答框架
受脑电节律启发，解耦全局规划与局部检索，缓解注意力衰减和错误累积，提升多跳问答准确性与鲁棒性。
HyperImageNet：大规模高空间分辨率高光谱图像分类基准
提出含2.6万高光谱图像块、138类细粒度土地覆盖的基准，支持语义及实例分割，开放环境评估验证有效性。
通过内部激活频谱分析检测神经网络失效
发现内部激活频谱漂移现象，SDNN框架监控频谱特征检测失效，AUROC达79%，性能远超置信度基线。
当递归成为算法？权重共享循环Transformer中的收敛选择
研究发现权重共享循环Transformer通过预算定律实现线性计算，收敛时间标度可预测泛化，且架构先验而非表达能力决定算法选择。
实现任意粒度的文本行人人检索
提出任意粒度检索范式，构建多粒度数据集与评估基准，CMAM框架通过正交专家感知等实现跨模态对齐，显著超越现有方法。