一次重写就能修复所有问题？面向文本到图像提示优化的类型感知修复分配
提出TARA框架，类型感知修复分配，分离诊断编译，通过语义门防回归，性能最佳且速度快。
AI原生生物科技需要部门吗？为AI驱动药物开发的公司世界模型进行基准测试
AI原生公司应基于资产到价值的状态模型，而非模仿人类组织；基准测试显示该架构更优。
面向关键系统的可信自主AI工程化
将可信性作为首要工程属性，围绕安全、鲁棒、透明、问责、隐私五维度构建保障框架，跨四个工程领域验证，提出跨领域认证路径。
Wave2Body：将毫米波人体姿态估计重新构想为雷达到身体令牌翻译
Wave2Body解耦毫米波姿态估计为令牌翻译，实现强跨域泛化与低计算成本。
TAP-RAG：面向长文档多模态问答的任务感知策略控制
提出任务感知策略框架TAP-RAG，通过预测任务先验与证据扩展，在长文档多模态问答中提升准确率9.1和4.5个百分点。
自适应两阶段在线学习用于移动核心网络中影响业务的故障检测
提出两阶段在线学习框架，建模正常流量并分析残差，实现低开销连续自适应故障检测，性能最优。
SynGallery：面向实例级艺术品识别的真实画作合成画廊
合成画廊数据集通过多视角3D渲染提升艺术品识别性能，增益来自几何视角变化而非真实感。
有符号整流流：面向负性控制的生成
提出有符号整流流，通过有符号测度控制生成过程，在图像生成中提升保真度-多样性，抑制记忆与有害内容。
Prompt Design at Scale: How Format, Instruction Count, and Context Length Shape Instruction Adherence and Hallucination in Large Language Models
实验发现：指令数达80条时响应全失准；上下文超128k后召回骤降，但模型从不编造，拒答率飙升。
两级元评估框架下的开放生成评估：GAMUT事实完整性基准
提出两级元评估框架及GAMUT基准，用于评估开放生成的事实完整性，最佳模型得分58.7%，挑战性强。
MeetingToM：在多参与者会议中评估多模态大语言模型的心理理论推理能力
MeetingToM基准评估会议心理理论推理，聚焦伪共识，揭示模型难整合非语言线索和推断隐藏态度。
面向供应链规划的供应商提前期通用估计：考虑删失的上下文学习
LT-ICL模型结合transformer与归一化流，预训练于合成删失数据，无需参数更新即可适应新数据集，在24个供应链数据集上取得最佳平均排名。
通过共享表示攻击图基础模型
攻击图基础模型对齐层（共享表示），表示扰动致模型崩溃，OpenGraph更脆弱；输入攻击可移除半数预测。
面向增强大型视觉语言模型鲁棒性的双重对抗微调
提出双重对抗微调框架，联合视觉与语义监督信号，增强LVLM鲁棒性，在多任务中超越现有方法。
面向视频生成的显式物理参数控制学习与基准测试
提出物理参数数据集、物理引导扩散模型及物理一致性基准，实现显式物理控制，提升视频生成物理真实性。
现在我们知道了吗？——TerraMind与THOR的系统比较
系统比较发现，架构设计（补丁大小、解码器）比模型本身更能解释性能差异，两者各有优势，无单一胜者。
吸引子几何决定系统发现的可辨识性极限
吸引子最小特征值设定系统发现上限，混沌可提升但放大噪声，算法选择非首要。
DobicVLM：通过分组相对策略优化实现胸部X光报告生成与临床程序化奖励对齐
DobicVLM结合SFT与GRPO，用临床规则奖励提升报告生成质量，超越Gemini，实现透明对齐。
减少复制，增强接地：基于证据感知强化学习的长上下文推理纠偏
长上下文LLM存在重复复制问题，GEAR通过证据感知奖励塑造，提升推理准确率并减少复制，平均提升4.6点。
面向语言模型推理的选择性状态空间适配与检索
提出MaLoRA与MaRA两种状态空间适配器，在多个大模型和推理基准上平均F1提升6.8点，最高9.3点。
决策制定中的弱到强学习
提出弱到强学习框架，用有限标记数据训练弱模型，再生成分布指导强模型并通过理论界和实验验证改进决策效果。
中文标题：AEC工程图纸布局检测与信息提取的深度学习方法基准测试
中文摘要：构建AEC专用数据集并基准测试五种深度学习模型，RF-DETR与Qwen3-VL表现最优，为自动信息提取奠定基础。
RRPO: 基于分层条件采样的参考相对策略优化
通过分层条件采样构建对比锚点，无需验证器即可进行强化学习，在推理与生成任务中表现出色。
机器学习何时优于价值排序？一个基于三个数据集的暴露加权货运优先级诊断
机器学习在货运优先级排序中通常不优于价值基准，仅在可学习性高时优势明显，建议保留价值排序作为永久基准。
多步骤工具增强型Agent中的绑定漂移
形式化绑定漂移与错误传播，实体锁放大错误3倍，LLM重验证减少79%，自然场景漂移率18%。
SWITi：使用滑动窗口内部平铺量化和减少平铺伪影
SWITi通过滑动窗口平均降低后验预测平铺伪影，引入无参考指标FRT/ASV，在荧光显微镜数据中提升重建保真度与分辨率。
约鲁巴语情境语音合成器：系统设计、音系规则架构及声调轮廓的正字法扩展
提出约鲁巴语规则基双音子语音合成器，通过音系规则处理声调与升降调，并扩展正字法标记，经听者实验评估。
缓解零样本视频时刻检索中的模态与语言风格差距
基于自相似性规避模态和语言风格差距，结合MLLM推理，实现零样本视频时刻检索最先进性能。
SkillSight：透过共享描述洞见精准技能检索
SkillSight通过校准共享背景，实现无训练精准技能检索，召回率提升20.21%，速度快1248倍。
基于大视觉语言模型的上下文结构化视频异常检测
提出CSI-VAD，通过分解视频为环境、物体、时间三种上下文进行无训练异常检测，效果优于直接整体推理。
PhoenixRepair：重新思考软件代理中的修复策略探索
PhoenixRepair多智能体框架通过多位置采样与迭代反思扩展修复策略，在SWE-bench上实现7.8%相对改进和76%解决率。
基于全局锚点一致性的噪声监督下鲁棒多视图分类
通过全局锚点审计与自适应标签纠正，有效抵抗噪声标签的负面影响。
Measuring AI innovation with trademark data
CoGoal3D: 基于3D感知融合与精化的协作式3D目标检测
提出两阶段3D协作检测框架CoGoal3D，通过3D感知融合缓解空间错位，并用点重构精化，在三个数据集上[email protected]提升超10%，达SOTA。
EmoEUS：对话中多模态情感识别的不确定性监督
EmoEUS通过动态加权模态的方差估计和显式监督损失实现不确定性感知融合，在IEMOCAP和MELD上超越现有方法。
NaviAIS：场景级船舶轨迹预测数据集——含矢量化航道先验与NaviLane预测框架
提出标准化场景级AIS数据集NaviAIS及层次化宏动作框架NaviLane，融合矢量化航道先验与后果评估，实现多模态轨迹预测。
从依存到组合：基于组合范畴语法的LLM输出神经符号提升
通过CCG将LLM输出提升为类型化组合推导，实现结构检查与外部知识核查，早期识别幻觉内容。
IMMoE：基于视图专家混合融合的不完整多视图异常检测
提出IMMoE，通过多视图专家融合和局部异常增强编码器，处理缺失视图异常检测，在RIMAD上像素级和图像级指标分别提升11.8%和2.8%。
实现多语言隐私政策审计：西班牙移动应用大规模分析
多语言隐私审计揭示西班牙公共与商业应用语种差异及声明实践不符。
Mage-Flow：一种高效的原始分辨率图像生成与编辑基础模型
Mage-Flow是4B参数的高效图像生成编辑模型，协同设计实现快速训练与推理，1024^2图像生成仅需0.59秒。
AI旅行会议：基于LLM代理的团体旅行规划
提出多LLM代理框架，模拟不同角色通过自然语言讨论协作规划团体行程。
基于活动与误差几何的条件化直接反馈对齐
提出活动与误差条件化方法改善DFA各向异性失败模式，提升分类准确率达7.5个百分点。
Black-Mamba：受生物启发的分布漂移下概念知识的泄漏累积
Black-Mamba通过累积惊异度门控更新记忆，区分持久漂移与瞬时噪声，实现高效鲁棒自适应预测。
标记而非擦除：LLM双重用途知识的令牌接种法
Token Inoculation通过预训练标记绑定与微调条件控制，保留双重用途知识并实现选择性拒绝，达到最佳安全-效用权衡。
对比式在线策略蒸馏
COPD通过对比指令生成token级优势信号，促使学生模型学习更简洁高效的推理，减少推理长度且不损性能。
AutoIndex：为检索学习表示程序
AutoIndex通过搜索文档表示程序优化索引，在8个任务上平均Recall@100提升8.4%、nDCG@10提升8.3%。
面条架构师：一种抗污染、构造即标注的多语言代码数据集生成工具
Spaghetti Architect通过反优化转译生成构造正确、抗污染、多语言代码数据集，并沿难度轴标注，保证质量与可控性。
AMICA-Python：带有安德森加速的自适应混合独立成分分析
AMICA-Python：实现自适应混合独立成分分析，引入安德森加速，精度高，速度快。
PLAID-PRF: 在PLAID中使用类似质心标记的伪相关反馈
提出PLAID-PRF，利用质心向量进行伪相关反馈，扩展查询，提升检索效果且计算开销小。
在信息缺失下评估医学AI：同提供者评估者与人类评分者改变表面安全性
信息缺失时，医学AI安全评估受评估者选择影响：LLM较人类临床医生更宽松，同源评估者偏差显著。