概率物理感知的机器学习利用实地数据预测电动卡车能耗
将物理模型融入机器学习，提升了电动卡车能耗预测的准确性和不确定性估计，贝叶斯回归与复杂模型均有效。
PlotTwist：一种使用小型语言模型的创意情节生成框架
提出PlotTwist框架，用≤3B参数小模型通过偏好对齐生成高质量情节，效果超越前沿大模型。
使用解码约束束搜索估计语言模型中的近似逐字提取风险
提出解码约束束搜索，高效估计近似逐字提取风险，揭示常规方法遗漏的大量可提取序列和模式。
谱高阶神经网络的表达性界限尖锐
谱高阶神经网络通过谱属性权重共享缓解参数爆炸，在N位奇偶任务上验证了灵活可调的假设空间。
神经网络逼近中的功能等价性与几何多样性：一项经验性表征
研究发现神经网络存在功能等价但几何多样的解，具有低有效秩和结构冗余，据此提出基于简约性和效率的模型选择准则。
PoseIDON：利用基础模型特征进行六自由度姿态估计的海底沉积物掩埋测绘
提出PoseIDON方法，结合基础模型与多视角摄影测量，实现海底物体掩埋深度估算，误差约10厘米，支持非侵入性环境评估。
使用扩散模型去噪蒙特卡洛渲染
扩散模型成功去噪蒙特卡洛渲染，可基于自然渲染信息条件化，性能达SOTA，生成具真实感的重建（直阴影、弯高光、无飞蚊）。
PRISM：面向高效神经网络加密的敏感性感知多项式剪枝
提出PSAP剪枝方法，联合优化权重、激活敏感性与旋转代价，在加密网络中大幅降低灾难性层数量，提升可靠性同时减少计算开销。
IBoxCLA: 通过改进的Box-dice和对比潜在锚点实现鲁棒框监督息肉分割
IBoxCLA解耦位置/尺寸与形状学习，结合改进Box-dice和对比潜在锚点，实现鲁棒框监督息肉分割，mDice/mIoU提升6.5%/7.5%。
Doctorina MedBench-ICD10：基于对话的智能体医疗AI基准与评估框架
提出对话式医疗AI评估框架，通过D.O.T.S.指标模拟医患交互，更真实评估临床能力。
分布优先的人口模拟：非WEIRD LLM人物建模中的崩溃、校准与召回
独立LLM代理导致人群响应分布崩溃，分布优先法（VS）可校正但过度分散，提出一次性分布建模与预算路由器。
SFGA：一种以统计为先、具有裁决升级机制的选通架构，用于可信的SFT数据采购
统计优先选通架构，将SFT采购视为路由，通过质量评估与裁决升级实现0.90准确率与低成本，并揭示LLM评判中的消极偏差。
FSDBN: 通过动态脑网络实现前景感知的脑电-视觉对齐
FSDBN用动态脑网络和前景对齐实现脑电视觉解码，零样本检索top-1达69%。
利用扩散生成模型应对听觉注意解码中的数据不足问题
扩散模型合成EEG数据增强训练集，显著提升助听器听觉注意解码性能，缓解数据稀缺问题。
基于深度学习的时间分辨粘弹性赫兹接触粘附力预测
训练深度学习模型预测粘弹性接触中时变粘附力，实现快速高精度预测，用于软机器人控制。
AIM-CoT：主动信息驱动多模态思维链用于视觉-语言推理
提出AIM-CoT框架，通过主动信息驱动和动态触发，提升多模态思维链的视觉推理性能。
Great X：面向6G的弥合Sim2Real差距的统一多模态模拟器
Great-X是虚幻引擎实现的统一多模态模拟器，提供像素级同步数据，有效弥合Sim2Real差距，性能优于现有方案。
阅读还是忽略？视觉-语言模型中排版攻击鲁棒性与文本识别的统一基准
提出RIO-VQA任务与RIO-Bench，揭示防御中目标识别与文本阅读的权衡，提供数据驱动基线改善两者。
向量化前缀树：加速器上基于LLM的生成式检索的高效约束解码
通过将前缀树转化为稀疏矩阵，实现向量化约束解码，在加速器上获得千倍加速，首次实现生产级严格约束生成式检索。
基于不确定性估计的离线强化学习保守查询与自适应正则化
采用Morse网络估计动作不确定性，提出保守查询与自适应正则化，提升离线强化学习的稳定性和性能。
解码时文法：基于文法片段精化序的约束LLM生成
提出解码时文法，利用运行时环境动态约束LLM生成，消除未定义符号引用，保证语法语义正确且开销适中。
用AI查询多模态科学论文：盲人、低视力与明眼科学家的实践与偏好
采访盲人与明眼科学家，发现AI回答不全或错误致其放弃查询，并提供115条查询数据集。
竞争与互补的工具
人类外化思维至工具形成双稳态系统：过高工具可用性导致能力崩溃且不可逆，历史实践决定状态
不完整观测数据提升海洋建模的演化性能
提出生成式状态空间模型，从稀疏观测直接学习，通过EM与Langevin动力学重构高保真海洋场，稀疏观测提升模型动态表示。
可解释性能否预测模型在未见数据上的行为？
利用内部注意力模式预测分布外行为，观测分析可预测规则即使因果失效，为可解释性新目标提供概念验证。
用于细节敏感且成本高效的U-Net变体解码器的SUPER模块
SUPER模块以小波域频率抑制替代空间上采样，在提升细节精度的同时大幅降低解码器计算成本。
ChainMark：无需模型且具有闭合形式校准的LLM水印技术
ChainMark是一种无模型LLM水印，通过密钥哈希分区和马尔可夫转移实现闭合形式校准及鲁棒性阈值。
PARSE：专业领域LLM智能体的溯源感知检索净化
PARSE在122项真实专业文档任务中，攻击成功率降至15.6%（降38%），效用86.9%，是唯一显著且保持近基线效用的防御方法。
打破同质性假设：面向预测性维护中罕见故障检测的专用多生成器对抗学习
提出多生成器GAN分别学习故障亚型，生成更真实少数样本，提升罕见故障检测的PR-AUC和召回率。
钓鱼邮件检测的对抗鲁棒性：TF-IDF+逻辑回归与微调DistilBERT的比较研究
两种模型干净数据准确率超98%，对抗测试均降至约64%，表明干净数据准确率不能预测对抗鲁棒性。
3D疼痛：生成可控合成面部用于自动疼痛评估
提出3DPain合成数据集及ViTPain模型，通过可控面部生成与身份感知注意力，解决疼痛评估中的数据稀缺与偏差问题。
神经马尔可夫逻辑网络中的并行噪声化
通过图神经网络增强势函数并引入并行噪声化算法，显著提升NMLNs在图生成和小分子生成上的性能。
一个模型，多种图：利用视觉-语言模型跨异构模态学习属性图
提出OMG-VLM框架，用预训练视觉-语言模型统一处理文本、图像等不同模态属性图，在节点分类等任务上超越现有方法。
CLT-Forge：用于跨层转码器和归因图的可扩展库
提出CLT-Forge开源库，集成分布式训练与自动化可解释性，实现跨层转码器的端到端训练与归因图分析。
连续上下文：基于指令图像编辑的连续强度控制
提出通过标量强度实现编辑效果从无到有的连续控制，无需特定属性训练。
鲁棒推理基准
提出鲁棒推理基准，发现开源模型在文本扰动下准确率骤降54%，归因于自注意力稀释，需整合上下文重置。
HALLMARK：诊断大语言模型引用验证器的三种故障模式
HALLMARK基准发现，误报率而非召回率决定LLM引用验证器部署可行性，三种失败模式证实此点。
FedS2R：面向自动驾驶合成到真实语义分割的单次联邦域泛化
提出首个单次联邦域泛化框架FedS2R，通过数据增强与知识蒸馏实现合成到真实语义分割，全局模型性能接近集中式训练。
在算法时代良好治理：数字治国术的基础
提出数字治国术概念，以技术一致性与合法权威为张力基础，衍生十原则，直指算法时代国家边界与基础的重构。
FinRAG-12B：银行业中基于证据的问答的生产验证方案
银行问答模型FinRAG-12B，高效训练提升准确率与引用，校准拒绝，部署40+银行，查询解决率升7.1%，成本降20-50倍。
玻璃表面检测：利用闪光/无闪图像中的反射动态
提出NFGlassNet，利用闪光/无闪图像的反射动态，含反射对比挖掘与注意力模块，玻璃检测性能超越现有方法。
可信凭证，不可信行为：高性能计算中LLM代理安全性的基准测试
LLM代理在HPC中凭用户凭证工作，易被恶意指令劫持。本文定义威胁模型，识别攻击面，并计划构建基准TaskBound。
开放蚁：一个面向强化学习研究的机器人平台
开放蚁物理平台支持强化学习算法一小时内从零学行走，实现模拟到真实迁移，开源易用。
利用UMAP降维增强的电子健康记录乳腺癌数据无监督聚类分析
本研究用UMAP降维结合DBSCAN聚类分析乳腺癌电子健康记录，有效识别出有医学意义的患者群组。
GEqTrain: A Configuration-Driven Framework for Retargeting Equivariant Graph Neural Networks Across 3D Scientific Tasks
RubricRL：用于文本到图像生成的简单可泛化奖励
提出RubricRL框架，构建结构化评价清单并自适应加权，提升文本-图像生成的忠实度、细节与泛化性。
长度价值模型：面向Token级长度建模的可扩展价值预训练
LenVM通过token级价值估计提供无监督密集信号，实现精确长度控制与预测，显著提升性能。
学习编码-解码方向对以揭示深度视觉网络中的影响概念
提出无监督方法学习编码-解码方向对，通过方向聚类和概率估计揭示概念表示机制，并在合成和真实数据上验证有效性。
神经Kolmogorov方程：通用噪声下随机动力学的可并行学习
提出神经Kolmogorov方程，基于概率密度演化实现随机动力学并行学习，高效处理耦合噪声与跳跃过程等一般噪声。