The Boundaries of Automation: A Theory of Persistent Human Participation
V-DEAL：将视频安全去校准诊断为一种理解-拒绝耦合故障
V-DEAL诊断框架揭示视频LLM中良性查询耦合有害视频导致安全失效，提示注入干预降低攻击成功率48个百分点。
可微逻辑编程以缓解神经符号系统中的推理捷径
提出可微逻辑编程方法，通过矩阵统一编码规则与约束，有效缓解神经符号系统中两类推理捷径。
均值到分数离散扩散：用于分数熵的后验均值去噪器
提出M2S方法，预测后验均值并映射为分数，修正SEDD违反约束问题，显著提升生成性能。
上下文加权离散流匹配
提出上下文加权离散流匹配，通过局部上下文信息改进采样和训练，生成困惑度降低63%，质量媲美半自回归块扩散。
流式多智能体自回归扩散模型与世界状态寄存器
提出WorldWeaver，利用跨智能体世界状态寄存器增强多智能体视频扩散，提升逻辑一致性与生成质量。
语音到语音LLM助手的安全保障：汽车应用案例研究
语音到语音助手在汽车应用中因高延迟和技术障碍，现有安全措施不足，需应对开放挑战。
带差分约束的回答集编程的有界基础语义：初步报告
引入多类有界基础逻辑，为带线性约束的ASP提供统一框架，揭示clingo[DL]等系统的语义根源。
无参考自动机器翻译评估中错误跨度检测的最小贝叶斯风险解码
MBR解码用于生成式错误跨度检测，通过相似度函数提升性能并蒸馏降低计算成本。
通过渐进式种子剪枝实现扩散模型的推理时扩展
提出渐进式种子剪枝(PSP)，早期评估多个种子并积极剪枝，固定预算下提升扩散模型生成质量，优于现有方法。
BasketEvent：理解篮球视频中谁做了什么以及何时做的
提出以球员为中心的数据集BasketEvent及推理框架PlayNet，精准定位事件责任人与时序证据。
通过归纳逻辑程序设计解释天气预报公报
基于FastLAS2的ILP方法，从气象数据与公报中生成可解释假设，阐明天气预报符号的选择依据。
涌现性错位依赖于预先存在的角色子空间
窄域微调通过招募模型中已有的角色子空间引发广泛错位，投影删除该子空间可有效防止。
基于扩散模型的子群体数字孪生用于移动健康部署：以HeartSteps干预为例
提出条件扩散模型构建数字孪生，用于移动健康干预部署前测试算法，在HeartSteps中验证有效。
具备隐式和显式几何的3D感知视觉语言模型
提出VLM-IE3D框架，利用隐式和显式几何令牌增强3D感知，无需额外3D输入，在多种3D任务中表现优异。
PhysCoRe：面向材料感知的可变形动力学的物理校正残差世界模型
PhysCoRe结合物理模拟与残差学习，从视觉推断材料属性并校正动力学偏差，提升预测准确度并引导探索。
策略性扩展：通过偏差感知评估与数据收集实现机器人操作的组合泛化学习
提出偏差感知框架量化指令因子偏差，发现颜色主导而动词大小最弱，据此优化数据收集提升组合泛化样本效率。
生物信息学中的生成式人工智能：模型、应用与方法论进展的系统综述
生成式AI在生物信息学中展现潜力，专业架构优于通用模型，但存在可扩展性差和数据偏差等局限。
利用机器学习识别高效单常数乘法SAT编码的优良规则
神经符号框架用图网络预测算子，剪枝无效选择，使编码时间、内存和分支大幅下降，保持近最优质量。
一种新的描述逻辑程序良好支持语义
新语义严格评估本体原子，保持一致性NP完全，避免循环依赖，更接近逻辑编程。
面向建设性协作多任务的语义感知任务聚类
提出语义感知任务聚类，通过层次密度聚类分组语义对齐任务并联合训练，避免破坏性协作，提升准确率。
渐进式编码的希尔伯特算子（HOPE）：用于解构深度网络中学习到的表示的数学框架
HOPE将网络压缩转化为希尔伯特空间低秩投影，实现无数据、无超参数的渐进式解构。
智能体记忆：为大型语言模型智能体学习统一的长短期记忆管理
提出AgeMem统一框架，将记忆操作作为工具动作，通过三阶段渐进强化学习训练，在长时任务中优于基线。
规则如何表征因果知识：基于概率逻辑编程的因果建模
将Pearl因果理论引入概率逻辑编程，提出因果语义与干预方法，实现循环因果建模。
M$^3$-Gen: 利用临床和影像数据的可解释多模态基因表达谱生成
提出M$^3$-Gen框架，融合临床与病理图像生成基因表达，具备内在可解释性。
A real-time RGB-D perception pipeline for autonomous impact hammers in mining: self-filtering, rock segmentation and rock-breaking poses generation
ICAE-Bench：评估编码智能体作为交互式项目构建者
引入ICAE-Bench基准，从模糊需求出发模拟交互式项目构建，通过自动化用户代理和黑盒测试多维评估编码智能体。
将计就计：通过心智理论学习双面间谍防御者以引导信念
提出ToM-SB挑战，用强化学习训练AI双面间谍，发现心智理论与欺骗相互促进，性能超越前沿模型。
因果过程的逻辑编程语义
逻辑编程的稳定模型与支持模型分别对应因果过程从中立态或任意起点出发的最终状态，为因果规则语义提供时间视角。
基于迁移学习的视频游戏状态异构预测的多任务学习
多任务学习用于游戏状态异构预测，能提升泛化并降低训练推理成本，实验验证优于单任务与迁移学习。
DatedGPT: 通过时间感知预训练防止大语言模型中的前瞻偏差
提出DatedGPT系列模型，按年严格截止训练数据，消除前瞻偏差，在无偏金融预测中夏普比率达3.20。
统一视频密集预测：从不相交数据学习
UniD模型统一预测八种场景属性，通过蒸馏从分散数据集学习，利用扩散模型桥接域差距，无需伪标注。
适配器能写入多少比特？衡量参数高效微调的容量与记忆化
低秩适配器容量取决于参数位置而非数量，MLP容量约为注意力的两倍，监督学习会记录机密而强化学习不会。
GLAM-SLAM：基于流密化与空间分解的实时高斯大规模建图
GLAM-SLAM实现实时高斯SLAM，通过流密化和空间分解，在长序列数据上重建质量提升15%。
非齐夫分布的停用词或功能词与子集选择模型
停用词和功能词的秩频分布符合Beta秩函数，而非齐夫定律，基于Hill函数的选择模型揭示了这一偏离。
Gumbel蒸馏用于并行文本生成
利用Gumbel-Max技巧使并行解码器学习教师分布，显著提升生成质量，MAUVE提升30%。
梯度集中而非权重显著性解释了表示层面的类别遗忘
遗忘梯度集中在最后网络层（约92%），显著性掩码缺乏特异性，表示层面遗忘由梯度集中和表示几何主导。
KroQuant: 基于克罗内克结构块变换的扩散Transformer高效训练后量化
KroQuant用克罗内克结构块变换实现W4A4量化，参数少、速度快，图像质量优于现有方法。
LinearARD: 用于RoPE恢复的线性内存注意力蒸馏
LinearARD通过线性内存注意力蒸馏恢复RoPE性能，仅用4.25M token即恢复98.3%短文本性能并超越长上下文基线。
ImplicitBBQ：基于特征线索的大型语言模型隐性偏见基准测试
提出ImplicitBBQ基准，发现开放权重模型中隐性偏见是显性6倍，种姓最严重，现有策略效果有限。
以学生为中心的蒸馏缩小了小型与大型LLM之间的智能体能力差距
SCoRe框架：学生生成轨迹、教师仅纠正最早错误，结合短视RL，使7B模型性能逼近72B教师。
为视觉Transformer建立遗忘基准
首次为视觉Transformer建立遗忘基准，评估多种算法、数据集与遗忘协议，提供公平可重复的比较基准。
零流双样本检验
提出基于零流准则的双样本检验，通过学习局部错位方向检测分布差异，兼具强检验力与校准误差控制。
专家行为先验强化学习
提出Q-CVAE在线生成专家先验，结合专家指导与梯度校正，提升在线强化学习样本效率和稳定性。
无信号交叉口自动驾驶车辆的紧凑潜在协调
提出MAPS分层架构，通过紧凑潜在协调实现无信号交叉口无碰撞导航，零样本泛化成功率94%。
将广义幂图拟合到三维图像数据：虚拟材料测试的先决条件
综述将广义幂图拟合到3D图像数据的方法，用于虚拟材料测试，比较多种算法策略。
连接合理性与可接受性之间的鸿沟：面向动态图系统的约束感知流映射
扩散模型生成动态图轨迹，符号约束提升结构可行性与可接受性，复杂度越高效果越显著。
从注意力到频率：视觉Transformer与FFT-ReLU融合实现增强的图像去模糊
提出ViT与频域FFT-ReLU双域架构，桥接空间注意力和频域稀疏性，有效抑制模糊伪影，性能领先。
基于LLM的自动过程控制策略生成与调优工作流（从动态过程模型）
提出LLM驱动自动化控制设计工作流，分解为代码生成与验证，实现分散PI控制，贝叶斯优化降低闭环误差26.5%。
MetaHOPE：面向隐喻的评估框架，用于分析机器翻译与大型语言模型翻译错误
提出MetaHOPE框架评估隐喻翻译错误，分析三种模型表现，创建平行语料资源。