用于引文功能分类的大语言模型
本研究系统评估多种大语言模型在引文功能分类上的性能，微调Falcon 7B达73.3%宏F1，并引入七类别新数据集AC3。
AEGIS：迭代安全防护的意识增强引导
跨度引导条件性有用，改变毒性降低与意义保留权衡，效果依赖生成器骨架和语言环境。
FUSAR-R1：用于SAR图像智能解译的大规模推理模型
提出FUSAR-R1模型，利用思维链推理与强化学习，在SAR解译任务中显著超越现有模型。
基于少样本连续上下文赌博机的预测-修正循环需求预测
提出预测-修正框架，利用少样本连续上下文赌博机改进自适应零售预测，显著降低误差和成本。
DL本体中认知保密策略下的易处理查询回答（扩展版本）
提出基于最小策略违反的CQE新语义，在DL-Lite_R中实现多项式时间查询回答并满足不可区分性。
When a Name Is Not a Name: A Benchmark Dataset and Distilled Reasoning for Culturally Entangled Bangla Homographs in Low-Resource LLMs
ESCUCHA：面向异构声学条件的西班牙语音基准
ESCUCHA是首个西班牙语音基准，含1000个野外音频问题，评估模型推理，结果与人类差距大。
面向多样性的微调用于基于不确定性的幻觉检测
提出SFT和DPO两种面向多样性的微调策略，降低模型对幻觉答案的确定性输出，提升语义熵检测效果，达SOTA水平。
梦中发现：人工记忆中的跨领域重组
跨领域重组驱动创造性发现，符号系统发现率85.7%，神经跨域推理提升14.5个百分点，巩固本质是为发现而非记忆。
DS@GT ARC参与eRisk 2026：具备结构化算法指导的混合多智能体大语言模型对话抑郁筛查系统
提出混合多智能体系统，以开源模型结合算法指导，实现低成本高性能的对话抑郁筛查。
约束锚定推理路径
提出CART框架，通过符号约束断言与回溯控制将错误雪球率从0.65降至0.14，提升多模态推理准确率。
基于语义-物理对齐的定制足矫形器闭环生成设计研究原型
提出TANS-FO原型，通过语义-物理对齐实现定制足矫形器闭环生成，快速合成可制造晶格鞋垫，压力预测高精度，初步观察显示短期舒适度改善。
基于偏好的抗体表达排序：利用大规模弱监督进行扩展
结合稀缺定量数据与大规模弱监督，提出偏好学习框架，在少量标记和大量未标记抗体上优化表达排序。
RECON：对长上下文组合推理的智能体记忆进行基准测试
RECON基准评估长上下文组合推理，揭示系统在级联推理和回溯上的巨大局限，最强准确率仅22.4%。
多尺度AI蜂群自主发现结直肠癌脆弱性机制
Octopus多尺度AI群体自主发现结直肠癌脆弱性，验证IGF2为5-FU耐药靶点，统计显著。
DeLIVeR：基于强化知识图谱探索的信息驱动真实性识别分解学习
提出DeLIVeR框架，将证据检索作为强化探索任务，通过策略优化提升事实核查F1达10-15%。
零幻觉，通过构造实现：面向可信企业AI的幻觉感知分层监督
HALO架构通过六层防御将幻觉视为可遏制故障，实现系统级零幻觉，确保企业AI可信。
量化LLM基准测试中的排名不确定性
研究显示MMLU基准中排名不确定性显著，需考虑跨主题变异以准确比较LLM性能。
PsiLogic：针对Adam的混沌感知主动抵消及公平跨领域基准
PsiLogic通过双EMA动态抵消优化Adam，自动预热，在NLP、ViT、ResNet三个领域取得最佳验证指标。
对齐微调如何塑造LLM中谄媚及相关线索诱导偏见的表征
对齐微调而非预训练在LLM中植入多种独立偏见方向，通过因果干预可恢复无偏答案。
TopoTuner：大语言模型的拓扑微调
提出拓扑引导的选择性微调框架，仅训练1-2%参数即达全微调性能，优于LoRA，可跨任务复用。
从结果到行动：利用事后视角进行长视界语言智能体训练
提出HPO方法，通过意图空间投影和Wasserstein距离提取低方差信号，解决长视界交互优化方差问题，稳定提升策略性能。
基于数值规划的多视角约束框架下自主流程执行支持
新工具支持多视角约束下自主流程执行，通过what-if分析推荐最优延续，实验验证可扩展有效。
中文标题：源域偏移下什么能够迁移？定义、示例和微调在气候披露分类中的应用
中文摘要：研究发现，源域偏移下，简单策略更可靠：随机示例优于检索和LoRA微调，定义迁移需粒度匹配。
RELIC：多智能体规划中可解释可组合技能学习的揭示原则
RELIC框架实现隐私保护：智能体私有优化技能，成功行为抽象为可移植原则，供其他智能体实例化重组。
用于构网型逆变器电磁暂态级别替代建模的神经控制微分方程
提出神经CDE框架，实现构网型逆变器多时间尺度电磁暂态替代建模，保证物理一致性与稳定性。
前沿大语言模型中新兴生物安全风险的早期预警
研究揭示前沿LLM可被诱导生成具病原潜力的序列并物理实现，需强化红队测试与合成筛查。
AdaSurvMamba：动态融合与语义扫描的多模态生存分析
提出自适应框架AdaSurvMamba，通过动态融合与语义扫描克服静态交互和语义碎片，提升多模态生存分析性能。
减少随机优化中的单样本损害
提出减少优化中单样本损失增加的方法，通过约束到最后一层高效近似，提升泛化。
潘查希拉困境：基于印尼建国五原则的人类价值困境下的大语言模型评估
构建潘查希拉困境数据集评估50种大语言模型，发现其在宗教与团结价值上表现不佳。
运用远距离观察法建模话轮转换：探究人类与AI生成话语中的沉默阈值
研究对比人类情景喜剧与AI合成播客中的沉默间隙，分析性别与生产设置差异。
VDAR-Router：通过语言化查询难度分析检索的自适应LLM路由
VDAR-Router通过显式难度分析与历史检索，优化LLM路由的性能成本权衡。
从超载到洞察：AI智能体如何助力科学家分析复杂数据
欧洲XFEL科学家开发AI智能体系统，应对大数据分析难题，提出知识检索与代码生成需求及设计建议。
检索足矣：基于工具代理的无训练可解释性
提出无训练可解释方法HARP，通过检索与线性探针，性能超越训练方法，更便宜灵活。
Lomekwi：受限资源下LLM智能体的工具发现
提出工具发现框架，分解为好奇心、识别与效率，发现识别能力与模型规模成反比。
当大型语言模型过度回答：测量与缓解基于LLM的硬件描述语言问答中的质量问题
LLM在硬件描述语言问答中常过度回答，提供冗余和冗长内容，多智能体框架可显著提升答案质量。
PPL-Factory：从语言建模到推理的任务感知与预算感知数据选择
PPL-Factory利用任务与预算感知的困惑度选择数据，仅用1%训练集超越SOTA，10%时效果优于全量微调。
蛋白质接触图上的离散里奇曲率用于轻量级折叠分类
离散里奇曲率以22维特征超越150M维ESM-2，结合持续同调达最优，是轻量替代方案。
跨分支冲突之盾：统一多模态图像编辑中的人脸身份防护
通过破坏ViT和VAE分支的一致性，CCS有效防止身份编辑，性能优于现有方法。
K-IPO: 基于Kendall约束的重要性保持过采样方法用于不平衡表格数据
K-IPO通过Kendall约束选择合成样本，保持特征重要性排序，避免扭曲并提升性能。
预期自由能作为ρ-POMDP的信念依赖效用
主动推理中预期自由能等价于信念依赖效用，自动平衡探索与利用，无需手动调参。
超越语义等价：用于大语言模型不确定性量化的逻辑图
提出逻辑图不确定性框架，建模答案间逻辑关系，显著提升大语言模型不确定性估计性能。
连续思维链模型训练：两种机制之比较
提出C-MTP直接监督压缩表示法，优于间接法，但长推理链任务性能下降65%，揭示连续思维链局限。
面向API调用智能体的无环境合成数据生成
利用LLM模拟API响应生成高质量训练轨迹，无需真实环境，显著提升智能体性能。
反馈归因与表征几何：多智能体强化学习中个体与共享奖励的比较指标
提出EffRank/n和D_act指标，发现奖励归因主要影响行为而非几何，观察决定几何结构，几何诊断需控制角色信息。
SWE-Pruner Pro：编程大模型已自知修剪之道
基于代理内部表示修剪上下文，节省39%令牌，提升SWE-Bench 3.8%准确率，保持任务质量。
AgentBrew：从强教师到弱LLM代理的终身知识酿造
提出AgentBrew，通过失败触发与学生感知合成，无训练将强教师知识蒸馏为弱学生外部记忆，实现高效代理部署。
重要的不是你说什么，而是你怎么说：评估LLM对信念表达的反应
用户信念表达的语言形式影响LLM是否遵循上下文；大型和指令模型更不遵循，特定表达更具说服力。
VEHBench：面向大语言模型辅助振动能量采集器设计的阶段局部诊断基准
VEHBench是一个分阶段诊断基准，通过763个文献任务揭示LLM在不同设计角色的能力差异，为工程LLM评估与选择提供基础。
EA-RMENet——基于深度学习的城市环境路径损耗预测
提出EA-RMENet深度学习模型，融合U-Net与EfficientNet，实现高精度低延迟的路径损耗预测，竞赛排名第三。