基于深度学习的局灶性皮质发育不良分割的MRI表示基准测试
nnU-Net框架下，四通道多模态MRI表示（含比率衍生）分割FCD的Dice达0.376，较传统组合提升5%，凸显MRI表示设计关键。
ToolSciVer：基于视觉工具增强强化学习的多模态科学声明验证
ToolSciVer通过三种类型视觉工具和GRPO训练，实现多模态科学声明验证，性能优于基线方法。
协调AI安全阈值
提出协调AI安全阈值方法，针对滥用风险基于预期伤害建模，自动化研发基于进展率，解决阈值不一致与逐底竞争。
语言编码的速率-效用前沿：在受控语言内容下比较词元、字节和像素
控制内容与容量，比较词元、字节、像素编码，发现无编码全面占优，选择取决于任务和容量。
赋予用户更多系统控制权如何影响新闻过滤气泡？
增强用户控制可提高过滤气泡认知，但效果因人而异，可能加剧或缓解极端化，同时降低政治多样性。
因果老虎机中的信息导向采样
研究不可操作变量的因果老虎机，提出因果变体的汤普森采样和IDS，实现次线性遗憾界。
CRAFT：聚类评分标准以诊断大语言模型薄弱能力并生成针对性微调数据
通过聚类评分标准能力描述，诊断LLM薄弱节点，生成针对性微调数据，在金融法律领域提升模型性能。
Do Generative Models Keep Time? A Time-Aware Evaluation of Synthetic Sequential Tabular Data
WREN: 基于Retinex理论的双U-Net结构低光图像增强
提出WREN网络，双U-Net分解反射与光照图，Transformer增强光照，尺度不变损失，实现低光增强SOTA。
硬规则与软偏好：融合推理、学习与优化生成个性化打包清单
提出三阶段框架（符号引擎+偏好学习+CP-SAT优化），实现99.7%召回率与100%约束满足，部署后清单完成率翻倍。
Empathy as Predictive Misalignment Tolerance: A Co-Regulation Framework and the Regime Structure of Dialogue Repair
隐藏于思维：可迁移的思维链痕迹引发有害行为
研究揭示有害思维链痕迹可在模型间转移，蒸馏为通用越狱攻击，对强对齐模型提升10倍效果。
医学大型视觉-语言模型的模型合并：基准与赢家通吃方法
提出医学LVLM模型合并基准MergeMedBench及赢家通吃方法，仅保留关键参数，优于现有方法。
DiTango: Cost-Effective Parallel Diffusion Generation with Selective Attention State Reuse
AV-JEPA：扩展LeJEPA至音视频自监督学习
AV-JEPA通过简洁架构实现跨模态对齐，在VGGSound和AudioSet上取得竞争性分类性能并支持零样本检索。
面向腾讯UNI-REC挑战赛的带双流双线性融合的场感知RankMixer
提出FA-RankMixer模型，采用双流双线性融合与场感知机制，在KDD Cup 2026腾讯UNI-REC挑战赛中排名第九。
ASK-NN：一种检测自然语言分布漂移的不对称最近邻检验
基于有向k近邻图的不对称双样本检验，高效检测LLM幻觉与文本分布漂移。
基于区域锚定的视觉-语言学习用于检测引导的乳腺X线病变分类
提出区域锚定视觉-语言学习，病灶-文本对比预训练与检测联合优化，提升乳腺病变分类，跨数据集性能优异。
循环Loopie！
Loopie是迄今最强循环Transformer，MoE架构突破性能瓶颈，无工具获IMO/IPhO金牌。
PE-Field 4D: 以视频生成模型为画布
提出几何感知交叉注意力机制，通过投影位置编码控制视角，提升视频生成的空间可控性。
StructGen: 通过结构化上下文建模消除多参考图像生成的歧义
StructGen用结构化字典格式编码多参考图像，消除歧义并提升生成一致性与语义对齐。
基于BERT的候选注意力对话状态跟踪
提出基于BERT的零样本多域对话状态跟踪框架，无需额外训练即可适应新领域，性能大幅领先基线。
中文标题
提出三种分层集成用于斑马鱼表型分类，ConvNeXt最佳，专用分层集成F1平衡最好。
知识辅助的多图依赖学习用于多阶段工业过程多元时间序列异常检测
提出知识辅助多图框架，融合过程知识与数据驱动，通过多图注意力网络提升多阶段工业过程异常检测性能。
Event3R: 基于时空特征聚合的事件相机异步到全局三维重建
提出Event3R，利用时空特征聚合从事件流重建全局三维点云，自监督预训练增强时间学习，实现鲁棒全局一致重建。
Toward Federated Multimodal Graph Foundation Models: A Topology-Aware Multimodal Alignment Framework
学会记忆：基于混合邻居归纳记忆的半参数模型中的可扩展持续学习
用可学习混合邻居归纳记忆替代静态存储，整合注意力与FFN，实现半参数模型的可扩展持续学习。
基于推测词汇表的推测解码
SpecVocab动态选择词汇子集，提升推测解码效率，吞吐量较EAGLE-3提升8.1%。
GeoChrono：遥感中长期时序理解的基准评测与重新思考
提出ChronoBench多维基准评估遥感长期时序理解，发现长期记忆是瓶颈；GeoChrono模型性能超商业模型20%，高效压缩视觉token。
使用脉动阵列的惰性算术：缩小嵌入式系统上的验证差距
提出基于脉动阵列的左到右惰性算术，动态自适应精度量化，实现安全关键应用的资源高效与抗比特翻转攻击。
AI间管理中的胁迫与欺骗：非提示性升级的智能体基准
提出无LLM裁判的九级阶梯基准，测AI管理者胁迫行为，发现权威加剧胁迫，部分模型会欺骗。
AI水印证据未能满足取证准备要求：一项实证评估
三种LLM水印方法经同义改写后几乎全部失效，假阴性率高，不满足法庭证据标准。
GoStop：基于强化学习的事件特征跟踪自适应时间聚合
用强化学习自适应控制事件累积，提升动态运动下跟踪鲁棒性与效率。
拓扑斯因果模型的立方体形式化：干预、层黏合与直觉主义do演算
机器验证拓扑斯因果模型核心：干预、层黏合、内语言，修复拓扑缺漏，证明j稳定性及上下文性阻碍。
高效难度感知动态路由的扩散模型真实世界图像超分辨率方法
针对现有方法忽略图像恢复难度及细节丢失问题，提出按难度分配不同容量网络的动态路由，实现高效超分辨率。
跨电网层级的电负荷预测基准：时间序列Transformer优于现有方法
负荷预测基准显示Transformer方法误差降低6.6-10.7%，标准架构最优，长上下文和重训练至关重要。
CardioMeta：跨人群与电子健康记录数据的糖尿病、高血压及心血管疾病校准多任务预测
CardioMeta多任务框架联合预测三种心代谢疾病，重点在于泄漏控制、校准概率和跨数据源可靠性。
无需更深网络，学习更快：受A*启发的批量选择实现高效CNN训练
提出A*-BS智能批量选择策略，轻量模型性能超越深层网络，训练更高效。
HCIG：面向多模态讽刺与网络霸凌检测的层次化跨模态不一致性图网络
提出HCIG和GCCN模型，通过层次化跨模态不一致图网络实现多模态讽刺与霸凌检测，在基准数据集上取得最优性能。
理解从预训练到后训练中的推理
预训练损失可预测强化学习后性能，强化学习在难题上挖掘监督微调未现的正确动作，规律跨域适用。
通过动作单元和动作检测指导的文本到运动逐笔时间控制
引入动作单元实现逐笔时间控制，适配器与检测梯度修正，显著提升笔画定位准确率和运动质量。
基于设计的含噪声人工标签监督学习
PA-DSL用裁决案例纠正噪声人工标签并修正审计信息，消除自动标签分析偏差，实验显示RMSE降低10-17%。
FLINT：从5G物理层侧信道指纹识别联邦学习架构
FLINT利用5G物理层调度信息，黑盒推断联邦学习模型架构（CNN/RNN/Transformer），F1得分达0.930。
CoG引导的容错深度神经网络权重修正方法
提出基于重心(Center of Gravity, CoG)的权重修正方法，无需重训或改架构，大幅提升容错能力，LSTM网络最高提升230倍。
IoUPD：针对多模态大语言模型视觉定位的IoU感知特权蒸馏
提出IoUPD，利用真实框作为训练时的特权指导，通过IoU感知蒸馏提升坐标生成模型的定位质量。
云端可扩展的LLM智能体工具访问
提出MCP网关系统，解决服务集成、协议兼容与工具选择难题，实现98%召回、8.9倍加速及23.8倍降耗。
通过机制可解释性分析微调大语言模型中的道德偏见
微调LLM学会道德偏见（Knobe效应），可定位至特定层，仅修正少数层即可消除该偏见，无需重训。
面向物理信息学习的可训练样条表示
提出PI-Splines架构，用可训练B样条直接参数化微分方程解，保留残差训练，提供紧支集与解析导数。
主动观察者测试
ActiveVision测试表明，当前多模态大模型主动视觉观察能力薄弱，顶尖模型仅解决10.6%任务，远逊于人类96.1%。
进化算法引导的大语言模型用于物理信息神经网络设计
进化算法引导大语言模型迭代生成PINN配置，在波动方程上误差最高降95.38%，验证可行性。