联合故障诊断与剩余寿命估计中注意力增强多任务学习的泄露鲁棒评估与数据规模敏感性
揭示滑动窗口划分导致性能虚高，提出基于块的泄露审计协议，证明多任务训练稳定性取决于标签来源而非任务类型。
奖励驱动的大语言模型智能体工作流：融合POMDP路由与自我修正的自主决策
提出奖励驱动工作流，结合POMDP路由与自校正，在ALFWorld和WebShop上成功率提升24.5%。
面向AI无人机检测系统的紧凑型卷积神经网络
轻量CNN将无人机信号转为时域图像，实现高精度低计算成本检测，适用于嵌入式射频监控。
自动发现工具不存在普遍更优的框架
实验证明无固定发现框架普遍更优，OpenEvolve常不及简单方案，框架应作为超参数自适应选择。
One Modality to Forget Them All: Enhancing Cross-Modal Unlearning in Vision-Language Models
层级域泛化
域划分是泛化关键障碍，域结构应视为核心对象。
PriorProof：形式化证明中技术新颖性的时点度量
PriorProof无需标注，通过证明依赖足迹和惊奇度评分，时点度量形式化证明新颖性，与专家一致性达69.7%。
平坦极小点处常数步长SGD的缩放极限
常数步长SGD在平坦极小点处不变分布呈α^{1/m}缩放，极限分布由SDE给出，m>2时为非高斯。
执行前先澄清：一个用于解决3D工具编排中意图不对称性的自进化智能体
CLARE智能体通过自进化澄清策略解决3D任务意图不对称，单步/多步成功率60.4%/43.3%，性能翻倍。
建筑到建筑：面向可泛化真实世界强化学习的大规模基准
B2B是面向HVAC控制的大规模强化学习基准，支持异构空间与多种适应任务，推动泛化研究。
依赖引导的代码生成：结构化矩阵分解与一致性引导的精化
提出依赖感知代码生成框架，通过图表示和矩阵分解建模依赖，确保代码语义与结构一致性，效率显著提升。
多模态大语言模型能否理解OCT？
提出OCT-Bench基准（10076题，3维度20任务），评估20个MLLM，结果显示当前模型远未达到可靠OCT理解。
从世界反馈中学习：为何模型不确定性不能作为基于模型强化学习中的风险信号
学习信号应来自世界反馈而非模型代理；模型不确定性作为安全信号与安全性负相关，使用世界反馈可大幅降低碰撞率。
隐私成本作为权益投入：差分隐私机器学习中的群体公平性准则
提出PCER公平度量，以隐私暴露与收益比例衡量群体公平，揭示隐私保护成本不均衡问题。
多任务学习中的容量与冗余权衡
多任务学习中负迁移源于容量与冗余权衡；CR恒等式与梯度-TC桥接证明聚类共享优于全局共享，有效降低残差耦合。
Otap：面向智能体轨迹中规划与执行评估的结构感知最优传输
提出基于最优传输的轨迹评估方法，通过依赖图距离区分有效与无效规划，对重排序不变，容忍冗余步骤。
结合数值天气预报的傅里叶几何风电功率预测
提出融合SCADA与网格NWP的多模态框架，利用几何编码和傅里叶神经算子，显著提升风电预测精度。
证据接口如何塑造检索增强型阅读器对支撑信息的使用
证据接口揭示RAG中top-k分数隐藏的支撑链缺失或不兼容，检查完整支撑可解释性能差异。
LenGuard-GPC：基于引导提示一致性的长度保护机制用于空间推理强化学习
提出LenGuard-GPC密集奖励框架，结合KL散度与分阶段长度奖励，提升多视角空间推理准确率并缩短推理长度。
传统隐私政策分析工具与LLM的系统性评估
LLM在隐私政策分析中可替代传统专业工具，性能匹配甚至超越。
DRNOISE：在误导性证据环境中评估深度研究智能体
DRNOISE基准显示，误导证据使深度研究智能体准确率骤降66-88%，主因验证惯性，需主动调和声明与证据。
弥合信息鸿沟：冷启动预测中的语义致密化与事后蒸馏
提出SemRaD框架，通过结构化语义推理与事后蒸馏弥合信息差距，工业实测LTV+1.9%、CVR+1.0%。
生成式AI中价值系统学习的一种方法
针对生成式AI，提出同时学习价值基础与价值系统的方法，提升可解释性且性能竞争。
基于多模态注意力的深度学习在电子健康记录急诊分诊中的应用
提出多模态深度学习架构，利用自注意力融合表格与文本数据，分诊准确率提升1.95%，F1提升2.49%。
图嵌入直觉模糊宽度学习系统：一种多视图框架
提出多视图图嵌入直觉模糊宽度学习系统，融合多视图信息与图结构，增强分类鲁棒性和判别性。
AI代理行为诊断框架
提出分层归因框架，区分计算与行为调制层，强调行为来源归因对治理关键。
持久稀疏自编码器：学习语言模型中的特征时间尺度
提出持久稀疏自编码器，通过学习特征持久系数，捕捉动态时间尺度，慢速特征保留主题信息，利于模型解释与监控。
CLDRoute：物理设计中可布线性地图生成的条件潜在扩散方法
CLDRoute将可布线性估计转化为条件生成问题，利用潜在扩散同时输出预测与空间不确定性，在CircuitNet N28上取得优异效果。
你的模型是在思考还是停滞不前？PUMA：通过相位-动量对齐诊断推理病理
PUMA框架通过相位-动量对齐诊断推理病理，区分探索与停滞，实现高效干预，提升准确率与效率权衡。
SynH-Rank：通过多样化数据合成与层次排序训练实现质量感知的代码搜索
SynH-Rank利用LLM合成数据和层次排序训练，提升代码搜索质量感知，新基准上质量偏好准确率提高20.15%。
从零构建神经网络：实现、评估与优化
本文从零实现神经网络框架，验证正确性与泛化能力，提供教学与研究基线。
LoRA微调代码智能体时轨迹数据筛选的系统评估
系统评估轨迹数据筛选对LoRA微调代码智能体的影响，发现质量-数量权衡依赖规模，误差重试率是关键子维度。
基于自监督JEPA与联邦表征学习的早期脓毒症预测框架
自监督JEPA预训练结合XGBoost实现早期脓毒症预测，AUPRC达0.636，时间鲁棒性优于监督模型。
迈向拟人对话：一种类人聊天生成、评估与偏好对齐的闭环框架
提出AnthroDial闭环框架，结合角色调度、基准评测与ZPD感知GRPO训练，协同优化生成与评估，最佳严格准确率达39%。
面向判例法的带围栏引文上下文检索：跨两个司法管辖区的时间泄露与程度控制
本研究揭示无时间围栏的引文检索会高估性能，仅少数增益源自未来证据，零训练方法在围栏下有效。
宽度相关的模型超参数与L2正则化对两层ReLU网络损失景观的影响
揭示宽度相关超参数和L2正则化影响损失景观，AdamW防止全局最小值坍塌，正则化降维效应随宽度增强。
语义空间的几何：Transformer架构的连续几何框架
提出语义纤维丛上的连续几何框架，将Transformer建模为积分微分方程，实验验证了预测。
SlotGuard：防止LLM代理转录中过度共享私有本地上下文
SlotGuard通过槽替换和跨引用链接，消除敏感数据泄露，保持任务成功率，重写耗时仅14微秒。
约束路径推理：衡量承诺阶段何时值得其成本
CPR通过源感知假设与阶段核算，评估承诺阶段何时值当，实验显示高效性。
越狱攻击如何指导安全对齐：一种以防御者为中心、基于Shapley值的越狱贡献评估
提出防御者中心的越狱评估，用Shapley值归因攻击，发现ASR排名与安全效用弱对齐，直接优化子集更有效。
专家减半，代码不减：面向编码的混合专家大语言模型一次性领域剪枝
剪掉半数专家，代码能力无损，但策略不通用；困惑度不可靠；微调恢复一半损失；剪枝仅优于低于3比特量化。
BG4Sea：通过渐进信息缩放实现生物地球化学季节可预测性
BG4Sea是全球首个数据驱动的海洋生物地球化学季节预测系统，采用模块化架构，六个月预报优于传统方法。
无损但不免费：消费级硬件上投机解码的实证剖析
消费级硬件上投机解码速度提升需验证真正并行，否则可能减速；最佳加速1.61倍，但半数配置失效。
超越记忆排行榜：科学记忆作为预算化上下文恢复的评估
提出两大科学全文记忆基准，发现协议细节影响排行榜，主张以预算化、模态感知的上下文恢复评估科学记忆。
学习驱动的自适应审计调度：一种面向链下数据完整性的序列决策方法
提出DRQN-CMDP模型，在部分可观测约束下平衡了链下审计的gas成本、漏检率与检测延迟。
欧几里得高速之后：双曲专家AI作为下一项创新
提出HySAT方法，仅在损失层施加双曲损失，避免训练崩溃，在六个专家SLM上稳定训练。
隐藏相关性下的协调解缠与迭代模式发现
提出CoDID框架，动态适应模式数，通过元优化协调机制解决隐藏相关性下解缠误差放大，达到SOTA。
PoLoRA：一种预处理正交化LoRA优化器
PoLoRA通过乘积感知谱更新、曲率预条件和幅度规则，在1.2-1.7倍更少步数内达到Adam性能，且对学习率不敏感。
Salience Induction against Multi-Hop RAG Agents: Threat and Defense
DeeperRadar：面向自动驾驶感知的端到端MIMO雷达设计与多模态融合
DeeperRadar端到端学习稀疏MIMO雷达设计与多模态融合，用更少接收器达到全阵列性能，降低雷达成本。