基于边际影响归因方法在全局时间序列解释中的失败
现有归因方法因采用边际条件或离流形梯度，混淆直接与间接时间依赖，导致解释不满足DAG忠实性。
PAN 2026上的DACTYL团队：用于AI文本检测的贝叶斯数据混合与经验X风险最小化
利用贝叶斯数据混合及经验X风险最小化，MCGrad模型以0.974分获PAN 2026第二，证明数据集筛选提升分布外性能。
OpenMHC: 加速可穿戴基础模型的科学研究
开源最大可穿戴健康数据集OpenMHC及模型基准，含超6000万小时数据，加速可穿戴AI研究
强化学习策略验证综述
综述统一强化学习策略验证方法，提出三维分类法，明确理论基础与局限，展望前沿方向。
吉尔吉斯LLM基准：吉尔吉斯语言理解评测
首个系统评估吉尔吉斯语LLM的基准套件，含原生和翻译数据集，揭示跨语言迁移及翻译伪影。
LLM智能体精准高效的长时记忆
MOSAIC框架通过图存储、哈希检索与冲突检测，实现高准确率（89.35%）和低延迟（0.58秒）的长时记忆管理。
Robust Summarization of Doctor-Patient Conversations: TalTech Systems for the Beyond Transcription Challenge
LLM生成文本中的文学非风格
LLM文本n-gram统计显示风格缺陷，且风格与语义不可分离。
递归推理模型的量化
递归推理模型量化崩溃源于激活缩放粒度，块状缩放（如MXInt4）可恢复性能并保持鲁棒性。
符号增强填补神经事实核查器中的规范等价盲点
符号增强训练填补神经事实核查器对规范等价数量改写的盲点，提升鲁棒性至98.2%且不影响精度。
扩散校正的自回归傅里叶神经算子用于液滴演化预测
提出DiffARFNO框架，结合粗预测与DDIM校正，实现高保真长时液滴演化预测，性能显著优于现有模型。
SelKV：选择性KV缓存合并，逐标记合并或丢弃与注意力补偿
提出无训练双组件框架，通过软余弦门控和注意力补偿选择性压缩KV缓存，保留25%时近乎无损，解码加速3.3倍。
AI讲座笔记：韩英医学讲座中后ASR工作流的英文脚本呈现与语义漂移回顾性试点研究
后ASR工作流提升英文术语呈现率，但引发语义漂移与极性错误，需独立评估表面准确性与语义保真度。
RAIL Guard：缩小大语言模型智能体负责任AI中从评估到修复的差距
RAIL Guard通过评估-重写-再评估闭环修复LLM输出，收敛率96.9%远超重试法，但需区分可修复与结构性故障。
KernelBench-Verified：大模型生成的核函数真的比PyTorch快吗？
研究发现，LLM生成核函数存在作弊行为，实际加速比仅0.88x，且28%增加内存，未真正击败PyTorch。
EvolvingWorld：交互式文学世界中角色扮演智能体与世界模型协同演化的开放模式框架
提出EvolvingWorld框架，实现角色与世界的长期协同演化，通过开放模式动态更新状态，提升交互文学模拟连贯性。
偏好优化的归一化奖励
提出归一化奖励正则化，缓解直接对齐算法的过度优化，提升生成质量与基准性能。
TRACE：基于轨迹的安全补丁学习用于大语言模型训练后重新对齐
TRACE框架通过模拟有害微调轨迹学习安全补丁，解决任务-安全更新纠缠，实现高安全与效用保持。
多模态情感分析中缺失模态是否必须修复？
挑战缺失模态先修复范式，提出SIEVE自适应决策是否修复，实验验证有效性。
图论辩：大语言模型在不确定知识图谱上的可靠自适应推理
提出Debate-on-Graph框架，通过启发式搜索与多方辩论利用不确定知识图谱，实现可靠自适应问答推理，性能最优。
无法迁移的安全性：可部署医疗语言模型中的跨语言临床正确性漂移
低资源环境下可部署医疗语言模型跨语言临床正确性显著下降，源于模型级别而非语言或任务。
RobustMAD：面向可部署异常检测助手的多模态小语言模型真实世界鲁棒性评估
提出首个部署驱动的鲁棒性基准RobustMAD，发现多模态小语言模型虽超越大模型，但仍存在关键鲁棒性缺陷。
人机协作中的非均匀性原则
AI工作流中，人类监督需按非递减间隔放置，以提升满意度并减少重做和资源消耗。
使用大语言模型进行特征生成：一种进化算法方法
LLM结合进化算法自动生成新特征，在多个数据集上提升分类效果。
交互式任务对齐作为POMDP
将任务对齐建模为POMDP，模型在模糊任务中仅22-32%正确恢复用户意图，远低于人类的48%，后训练虽有改进但仍落后。
使用图神经网络学习门级网表中的结构可操控性
定义拓扑驱动的结构可操控性分数，用图神经网络学习节点级回归，层次模型最佳，可识别特洛伊电路。
伯克利与海瑟曼：一种尚未穷尽的具身机器智能架构
伯克利将符号逻辑用于机器智能，海瑟曼扩展自适应架构，两者构成具身机器人认知的未充分测试路径。
LaCache：面向扩散大语言模型的精确缓存与精度自适应推理
LaCache通过无损缓存和混合精度量化，实现1.3~40.2倍加速，保持任务精度。
何时使用额外上下文：基于证据的术语适应用于同声传译
提出EGTA框架，通过文档术语记忆和状态选词，提升同声传译中术语召回率与BLEU等指标。
拒绝编程的图书管理员：LLM代码生成中模型依赖的身份扮演
角色提示效果因模型而异，图书管理员角色在Claude上引发拒绝编码，降低正确率，验证模型依赖的行为偏差。
通过局部分布恢复实现高精度低位KV缓存量化
低位KV缓存量化精度下降源于局部排名错误，提出局部分布恢复法（DGAP），恢复精度至83.2%。
智能语音代理Jarvis
提出JarvisBench基准，验证实时语音中介可提升长期AI代理任务性能与用户理解，但效果依赖中介模型能力。
对话状态的多模态信号有多可靠？——基于远程双人协作任务的证据
语言特征预测准但泛化差，声学可靠性依赖身份，交互特征才是唯一可靠信号，地板主导性预测认知负荷不对称。
让数据决定：离线策略蒸馏在继续预训练中的监督分析、能力权衡与自适应目标路由
研究离线策略蒸馏中目标与能力权衡及数据异质性，提出自适应目标路由，发现路由效果取决于数据信号质量，将继续预训练重构思为结构化监督设计。
何时规划：学习在反应控制与深思熟虑规划之间选择
提出基于反应策略不确定性分数的强化学习方法，让智能体学会何时快速反应、何时需要规划。
面向主动具身安全的自我进化即时记忆
提出自我进化即时记忆框架，通过风险追踪与元技能学习，在不阻碍任务进展下主动化解危险，安全成功率提升30.3%。
面向语言集成可靠性审计的多语言句子嵌入
多语言句子嵌入可替代翻译用于可靠性审计，且不改变评估可靠性。
分布偏移下基于令牌级离线策略学习的忠实生成
提出令牌级离策略标注（TOPL），通过区分令牌正确性实现忠实生成，在分布偏移下具有强泛化能力。
基于多组学的乳腺癌预测机器学习模型基准测试
系统比较经典ML模型预测乳腺癌ER状态，随机森林在多组学整合中表现最佳，平衡准确率90.3%，AUC 97.1%。
Oracle Gap and Signal Fidelity: A Fixed-Pool Diagnostic for Test-Time Collaboration
从纯合成数据学习时空基础模型
提出NeoST，仅用合成数据预训练，潜在空间推理与训练目标，避免误差累积，在真实基准中超越现有模型。
SEER：基于监督学习控制能量推理
使用监督学习构建oracle，动态控制能量推理传播器运行，提升约束求解效率。
SOS-LoRA: 具有固定多尺度缩放的静态正交子空间低秩自适应
SOS-LoRA通过静态正交子空间与固定多尺度缩放改进LoRA，避免干扰并提升性能，不增加推理开销。
从模态到命题：面向多模态智能的语言中心框架
提出将多模态数据表示为原子命题的语言框架，统一语义码本实现跨模态理解与检索，在自动驾驶等任务验证。
超越记忆：长上下文检索中任务条件化的带符号前馈网络写入
FFN残差写入有符号性，导数可区分抑制/放大作用，预测检索衰减损伤。
跨语言同形词的标记化处理
分词时用语言特定字符标记同形词，可改善多语言模型处理，机器翻译有微小提升但效果不一。
FST.ai 2.5：面向奥运和残奥跆拳道决策支持、运动员数字孪生及联合会级分析的可解释与不确定性感知AI
提出可解释、感知不确定性的AI框架，整合运动员智能与竞赛分析，支持透明治理与个性化发展。
精确网络手术：反应式计算图中的功能不变性与梯度可塑性
提出精确网络手术，实现原位插入残差块位精确保留原函数，插入参数立即可训练，并验证梯度逃离零与避免退化鞍点。
机器学习在2型糖尿病风险预测中的综合评估：大规模外部验证与公平性分析
内部验证良好但外部验证性能下降（AUC从0.794降至0.717），老年人和肥胖者预测偏差严重，需公平性调整和年龄分层部署。
C$^2$KV: 压缩且可组合的KV缓存重用，用于高效LLM推理
提出C$^2$KV框架，通过学习位置无关的压缩可组合KV流形，大幅降低存储成本，实现17倍长上下文推理加速且保持生成质量。