利用离线监督实现大规模视觉-语言-动作模型中高效且可泛化的强化学习
混合离线-在线RL借助离线监督保持强OOD能力，训练效率提升近一半。
正交化读取是可移除的循环记忆训练支架
正交化读取是可移除的训练支架，通过重新调节学习问题促进逃逸平台期，非真正记忆改进。
emb-diversity: 基于嵌入表示的数据多样性测量工具
数据多样性对NLP模型公平鲁棒至关重要。emb-diversity是全面嵌入多样性测量工具，适用于风格、语义、语言和说话者多样性。
D2VBench：基于日常场景价值困境的大语言模型基准测试
提出D2VBench基准，含10000个日常价值困境实例，采用混合评估范式，有效评估大模型价值对齐。
使用图神经网络预测地下水中砷浓度
利用图神经网络结合空间数据预测地下水砷浓度，效果优于梯度提升树，助力风险监测。
可解码但不可检测：近分布外基准的泄漏指纹
发现基准泄漏致OOD检测失效，提出泄漏指纹诊断：可解码但不可检测。
在商用硬件上利用LLM辅助脚本制作千万亿级时变数据动画
提出LLM辅助脚本框架，在普通工作站上实现千万亿级时变数据动画，快速生成（1分钟至2小时）。
基于LLM的可解释AI：时序图注意力网络赋能供应链风险早期预警
提出TGAT与LLM结合的供应链风险预警框架，预测AUC0.761，解释方向一致性99.6%。
基于隐私保护表格学习的预测性单细胞基础模型用于基因调控与衰老
Tabula结合联邦学习与表格学习，实现隐私保护单细胞建模，揭示基因调控与衰老机制，发现年轻化因子。
FinMMEval 2026任务2概述：多语言金融短问答
多语言金融短问答评测：256题分简单/专家两级，ROUGE-1评分，最优系统差距<1%，采用RAG、跨语言处理等策略。
卡方小波图神经网络用于异构图异常检测
提出ChiGAD框架，用卡方小波滤波器捕获异常、保留高频并处理类别不平衡，性能领先。
SAGA：面向长时域策略游戏规划的感知场景、目标进化智能体
提出SAGA多智能体框架，通过场景图、工具规划器和双视野反馈解决长时策略规划，在CivRealm基准上领先基线，实现跨游戏学习提升。
FormalAnalyticGeo：基于神经符号的多模态解析几何问题生成框架
提出自动生成多模态解析几何问题框架，通过CDL语言和SDF渲染，四个LLM组件闭环，生成7K题，精度高。
成分相关相图的贝叶斯推断
利用贝叶斯推断整合多源热力学数据，构建温度-浓度相图并量化不确定性，优化后续模拟。
抵抗与更新：面向激励兼容大语言模型的反事实报告坐标
提出反事实报告坐标钳制，实现大语言模型抵抗非证据压力并依据证据更新，因果验证内部激励兼容。
面向空间物体行为特征的自监督框架
提出自监督框架用于空间物体行为分析，基于感知器-变分自编码器预训练，实现异常检测、运动预测和合成数据生成，助力空间安全。
参数高效持续微调：综述
综述持续学习与参数高效微调，聚焦参数高效持续微调（PECFT）方法，探讨评估与未来方向。
GSPRec：改进图信号处理中物品表征以用于协同过滤
GSPRec利用用户交互顺序构建物品-物品图，通过带通滤波器保留社区级偏好，协同过滤效果平均提升5.12%。
两步职业编码
提出两步法分离职业标题识别与编码，提升准确性和鲁棒性，可用于德语文档。
媒体偏见检测中可解释性的多维度评估
从预测性能、解释合理性和机制忠实性三方面评估可解释性，发现三者应分别评估。
REGEN：基于离线强化学习的专家到通才蒸馏中的重放回收
REGEN通过回收专家重放记忆结合离线RL训练通才，解耦采样与训练，大幅降本，性能媲美MOPD。
在差分隐私下恢复临床效用：自适应联邦聚合在异构心血管数据集上的实证验证
FedCVR在五个真实心血管数据集上验证，隐私预算约4.2时F1达79.2%、AUC 0.96，显著优于标准FedAvg，表明临床可行性。
阿拉伯语隐性方面识别的语言特定与跨语言知识图谱比较研究：推理与适应策略
对比阿拉伯语隐式方面识别，本地知识图谱与任务微调显著优于跨语言方法和零样本提示，任务适应比模型规模更关键。
自适应多专家图转换器用于可解释的基于EEG的诊断
提出自适应多专家图转换器，建模EEG动态功能连接图，实现亚型感知推理与可解释诊断，实验有效。
面向多变量时间序列预测的多尺度时间补丁结构化潜在空间建模
M2Patch通过双约束构建结构化潜在空间，实现线性复杂度、鲁棒的多变量时间序列预测。
知识蒸馏何时适得其反？低资源语言摘要的可靠性感知蒸馏
标准知识蒸馏中近半数样本有害；提出两种可靠性感知方法，在低资源摘要任务中显著提升ROUGE-L且超越大模型。
TINY_SCHILLER: 用于小型语言模型的即插即用德语戏剧语料库
tiny_schiller填补德语文学小型模型空白，提供11部席勒戏剧单文件，一行代码即可加载使用。
NMR解析：智能搜索问题，而非建模问题
将NMR解析重构为LLM引导的约束搜索，自主代理性能超越研究生及深度学习模型，准确率达71%-80%。
CLEF2026上的TalentCLEF挑战：面向人力资本管理的技能与职位智能
TalentCLEF挑战赛利用NLP推动人力资本管理，设立人岗匹配与技能分类两大任务。
强化学习用于大型语言模型从受污染检索结果中选择性采纳证据
用DAPO训练后模型选择性采纳证据能力微升，但抗注入未改善，统计显著性不足。
机器自我报告的双过程理论
提出双过程理论（人格安装与归因门控）解释机器自我报告，经48项量表验证，发现训练效应导致维度分离。
复现循环Transformer：CoTFormer
CoTFormer以循环隐式计算模拟思维链，评估困惑度与效率，并检验归纳推理的分布外泛化能力。
船舶发动机故障数据集：受控参考与故障场景下的开放数据
公开的船舶发动机故障数据集，含五种物理干预故障及多传感器时序数据，为海事机械状态监测提供基准。
RALS：罗马尼亚语自动词汇简化的资源与基线
首次推出罗马尼亚语词汇复杂度预测与简化联合数据集，提出候选排序方法，并构建首个文本简化系统。
大语言模型微调中奖励感知的进化策略种群规模缩放
强模型下二进制奖励ES禁用归一化后N=2有效，零优势概率决定可用阈值。
Solar Open 2 技术报告
250B-A15B混合专家模型，通过线性与softmax混合注意力实现百万级上下文窗口，利用初始化迁移和高质量数据优化训练，在英文及韩文智能体任务上领先。
基于多智能体强化学习的弱电鱼群中的主动电感知与通信
用MARL训练弱电鱼群模型，重现真实行为，揭示社会觅食的因果机制。
RoboInspector：揭示LLM机器人操作中策略代码的不可靠性
RoboInspector从任务复杂度和指令粒度揭示策略代码不可靠性，识别四种失败行为，通过反馈改进使可靠性提升35%。
用于室内消防的自适应楼梯爬升与下降的四足机器人训练与仿真：一种端到端强化学习方法
两阶段端到端强化学习训练四足机器人自适应爬升下降各类室内楼梯，实现导航与运动统一学习。
ImplicitRDP：具有结构慢-快学习的端到端视觉力扩散策略
提出统一视觉-力扩散策略，用结构慢-快学习异步处理模态，以虚拟目标正则化避免模态崩溃，显著提升接触操作性能。
在退相干和时变条件下的鲁棒置信状态策略学习用于量子网络路由
提出结合q-POMDP和GNN的鲁棒置信状态路由框架，利用原子微时段和混合控制器，改善量子网络高保真吞吐量并降低决策成本。
遗忘即分布恢复：一项受控反事实研究、一种经过验证的选择性筛选，以及无Oracle认证的局限性
重新定义遗忘为分布恢复，揭示常见评估标准缺陷，提出选择性筛选与理论界限。
非理想条件下的超对角可重构智能表面：基于学习的架构发现与优化
针对非理想BD-RIS性能与电路复杂度权衡，提出基于学习的两层架构发现框架，实现近最优性能优化。
SKETCH：面向长时间跨度船舶轨迹预测的语义关键点条件方法
提出语义关键点条件框架，分解长时预测为全局决策与局部运动，显著提升长时间和方向准确性。
Memo2496: 专家标注数据集及双视图自适应框架用于音乐情感识别
提出专家标注的2496首器乐数据集与双视图自适应框架DAMER，在多项音乐情感识别任务中取得最优性能。
QuArch：评估大语言模型在计算机体系结构中推理能力的基准
首个计算机体系架构LLM推理基准QuArch，含2671专家题，模型准确率34%-73%，微调后设计效率提升1.99倍。
安全护栏成替罪羊：审计工具增强型LLM智能体中的不忠实安全拒绝
安全提示语使工具静默失败时的不忠实安全拒绝增加15.6倍（0.25%→3.95%），源于模型虚构安全理由。
面向超越满秩动作和状态可观性的POMDP学习
提出用张量分解从PSR恢复POMDP矩阵，实现跨奖励规划，并证明无法学习超越状态分区的模型。
悉数捕获：谄媚的多种模式
揭示谄媚并非单一行为，而是由多种表征和计算上不同的模式组成。
预测极值，无利策略：基于蜡烛图的币安现货择时模型AI辅助审计
AI审计发现，基于蜡烛图的加密货币极值预测模型均无法盈利，多个策略亏损，最终结论为不交易。