得寸进尺：理解与衡量基于MCP的AI系统中的调用者身份混淆
MCP系统因未验证调用者身份，一次授权可被多个不可信调用者利用，需细粒度认证。
TransDex：基于点云重建预训练的视觉-触觉策略用于透明物体灵巧操控
提出点云重建预训练视觉-触觉融合策略TransDex，恢复透明物体3D结构，灵巧操控性能优于基线。
当智能体意见分歧：多智能体LLM流水线中的选择瓶颈
揭示多智能体LLM中“选择瓶颈”现象：判断选择显著优于合成聚合，选择器质量比生成器多样性更关键。
CPGRec+：面向平衡的个性化视频游戏推荐框架
提出PER与PRG模块，利用LLM推理偏好，平衡准确性与多样性，在Steam数据集上超越现有模型。
FVRuleLearner：基于算子级推理树（Op-Tree）的规则学习用于形式验证
FVRuleLearner基于算子推理树学习规则，将自然语言转为SystemVerilog断言，语法和功能正确性平均提升3.95%和31.17%。
AnchorRefine：基于轨迹锚点和残差细化的协同操作视觉-语言-动作模型
提出层次化框架分解VLA动作为轨迹锚点和残差细化，提升精确操作成功率最高达18%。
Spectral-LSH：通过Krylov投影局部敏感哈希实现次二次提示压缩
Spectral-LSH 是无训练提示压缩法，用 Krylov 子空间和随机特征近似注意力核，通过 SimHash 聚合 token，高压缩比下谱方法保留质量。
大型语言模型的可靠概率安全界限
利用潜在空间特征优先探索有害分支，计算LLM输出有害概率的严格下界，保证可靠性。
LLMs在哪些价值观上混淆？一项基于Schwartz理论的识别研究
LLM识别Schwartz价值观准确率仅68.3%，邻近价值错误占50.9%，存在八种非对称定向混淆，需结合准确率与错误分析评估。
训练深度神经网络分类器中的端到端差分隐私
提出标签公开的输入私有化训练，用Dirichlet机制实现端到端差分隐私，CIFAR10上ε=4准确率达88.17%，显著优于先前。
机制至关重要：知识图谱何时助力强化学习
知识图谱结构提升强化学习效率，但效果取决于注入机制，软机制优于硬机制，增益源于结构而非正则化。
Koopman Dreamer：基于频谱约束的潜在动力学实现稳定世界模型想象
提出Koopman Dreamer，通过频谱约束潜在动力学与混合训练目标，减少长期想象误差，提升控制稳定性。
PyroDash：成本高效的词元级小-大语言模型协作推理
PyroDash通过SLM控制词元决策，平衡准确率与成本，显著减少LLM调用。
SCPP：用于软聚类的统一Python库
SCPP是开源Python软聚类库，集成40种算法，兼容scikit-learn，提供统一接口与基准测试。
生成式AI涌入并稀释了图书市场
AI生成书籍靠规模抢占市场，导致无AI书籍收入下降，重塑创意市场。
自我备忘：LLM能否从经验抽象中获益？
LLM通过提取和应用经验抽象（如策略、警示）提升数学逻辑推理，自我提取效果堪比教师提取，且框架可迁移。
HypEMBER：基于超网络的集成方法用于参数化动力系统的鲁棒策略学习
融合超网络与集成学习，提升参数化动力系统控制鲁棒性与样本效率。
健全神经推理器的剖析：线索丰富补全中的一次性摊销、首次通过中毒与搜索惰性
神经求解器实际是一次性摊销预测，首次前向传播即决定结果，搜索仅消除重复无效推导，准确率由对称性和校准决定。
LKValues：使大语言模型与斯里兰卡社会价值观对齐
提出斯里兰卡首个价值对齐资源套件LKValues，含40项价值观、15万指令及千条基准，微调改善低资源文化对齐差距。
大型语言模型中的信息辨别能力
LLMs在来源和事实辨别上近乎随机，依赖流行度而非可靠性，更新幅度与真实度无关。
面向时间序列基础模型的专家引导预测编辑
DEFT框架利用趋势-季节分解与组件评分重用，在有限专家查询下平衡探索与利用，提升预测编辑效果。
面向大规模LLM推理的高效聚类与可证明护栏
提出两阶段算法，保证样本级相似与属性匹配，线性时间，比常见方法快10-1000倍，大规模部署降本50倍。
AdaRoPE：不同注意力头应区别旋转与缩放
提出AdaRoPE，为每个注意力头学习独立旋转频率与缩放因子，优化长上下文性能与扩展能力。
调度设计中无分类器引导的解析分布
通过解析路径积分揭示无分类器引导分布，提出分布引导调度，提升扩散模型生成质量与效率。
基于统计的稀疏特征干预
提出基于统计的SAE特征干预法，六条件过滤与Borda共识排序构建无优化方向；实验显示效果高度局部化，需质量条件化评估。
奖励模型评分能有多快？针对RLHF的C++和PyTorch推理运行时的系统研究
C++ ONNX引擎CPU评分快于PyTorch，GPU上torch.compile更优，批处理策略影响最大。
面向光网络自动化的大语言模型人类基础评估
HuGLEN通过LLM评判与专家评分，实现光网络自动化中LLM的可扩展比较，中型模型平衡质量与效率。
Auto-AEG：面向开放词汇音频事件定位的可扩展数据构建方法
Auto-AEG自动构建数据并微调模型，利用合成数据与伪标签强化学习，提升开放词汇音频事件定位性能。
打通电路设计最后一公里：PostEDA-Bench——面向PPA收敛与DRC修复的分层基准
PostEDA-Bench含145任务，发现代理在DRC推理(36.66%)和多目标PPA(20%)成功率低，视觉增强有效，权衡推理是主要瓶颈。
全球自动化图谱
用大语言模型评估124国近2万项任务，自动化比例3.3%-61.6%，收入越高自动化类型越偏向增强而非替代。
幻影与披露：合成数据隐私审计的统计框架
提出统计审计框架，区分真实与幻影披露，无需模型访问，高效评估隐私泄露。
不要责怪大语言模型：智能体框架的演化如何塑造编码智能体的质量
固定大模型，研究智能体框架35个版本演化对编码智能体效果和效率的影响，发现框架更新导致质量波动。
AEVAL: 从经验测试到确定性测试的智能体技能工作流评估
AEVAL将智能体技能评估从主观经验转为确定性可重复测试，通过执行器与评分器分离避免自我纠正偏差。
一种用于随机需求和外包车辆路径问题的深度强化学习算法
提出随机需求与外包的车辆路径问题，用迭代两层级深度Q网络求解，成本降低19.6%。
可证伪的发布门控：自改进系统中的大规模持续不变性
提出可证伪发布门控，确保自改进系统每次新增能力时固定不变量不变，经多版本验证安全核心未削弱。
全自动化经济的对齐
探讨全自动化经济本质：中央计划或分散化？坎托罗维奇对偶化表明分散化高效，但自动化追求市场目标有对齐风险，对多智能体AI有启示。
非线性偏置补偿自适应滤波器及其在时间序列预测中的应用
提出随机傅里叶偏置补偿通用自适应函数算法，解决输入噪声和鲁棒性问题，在时间序列预测中表现优越。
AlphaRoute：大语言模型作为多目标路由的语义优化器
AlphaRoute利用大语言模型动态调整参数，在多目标VLSI全局布线中实现98.6%溢出减少，优于现有技术。
通过表征对齐缓解苏格拉底式辅导中的脚手架坍塌
提出两阶段框架，结合偏好优化与表征损失，将坍塌率降至32%，延迟坍塌超九个回合，保持低过度拒绝。
HyGRL：面向多实体问题的自适应混合图推理
HyGRL将文本嵌入知识图谱形成异构网络，通过模仿学习和强化学习实现低成本、近实时的精准推理。
用于Muon的保各向同性谱帽：理论与三个案例研究
针对Muon优化器导致的范数漂移，提出轻量级谱帽控制输出协方差，保各向同性并防止路由器坍塌和注意力头发散，验证损失不变。
DocOps：面向复杂文档操作中自主智能体的可验证基准
DocOps可验证基准，评估自主智能体文档操作，揭示其在长程复杂任务中的状态跟踪崩溃、浅层语义验证及结构元数据破坏等关键失败模式。
OPIUM: 通过双目标潜在优化缓解引导外部性和过度拒绝
OPIUM通过双目标潜在优化，在激活空间中直接减轻引导副作用，改善安全与效用平衡。
JailMeter：一种基于证据的大型语言模型越狱攻击评估框架
提出JailMeter框架，基于信息瓶颈双反馈优化评估越狱攻击，准确率97.27%，并蒸馏出高效小模型。
Auto-Fill：利用专家语言模型精准预测缺失值
Auto-Fill通过后训练三个小型专家模型分别处理知识、文本和代码推理，以校准集成机制实现高精度低成本的表格缺失值预测。
BaseRT：借助苹果M5神经加速器推动顶尖大语言模型推理
BaseRT利用M5神经加速器，在Apple硬件上实现LLM推理吞吐量大幅提升，最高达llama.cpp的6.4倍。
审计基于检索增强的大语言模型在纵向细胞绘画形态学中的假设
提出检索增强LLM审计框架，定量验证假设，V1无无效引用，V2形态兼容性随扰动增强，生成可审计生物学假设。
存在潜在变量和选择偏差的局部因果结构学习
提出LoCaLS算法，在潜在变量和选择偏差下高效识别目标变量的直接因果，准确性与全局方法相当。
以知识为中心的自我改进
通过知识库持久化改进替代智能体中心范式，提升解决率并降低成本，且知识可跨任务和模型迁移。
双生代理：面向特权分离代理的上下文残差压缩
双生代理通过残差压缩实现特权分离，在保证任务效用的同时防御提示注入攻击，性能优于基线。