物理增强强化学习用于动态系统实时最优控制
提出PEARL范式，融合可微动力学与actor-adjoint算法，实现高维动态系统的高效实时最优控制。
面向实时移动3D重建的语义通信
提出语义通信框架，通过置信度引导几何估计，提升实时移动3D重建的位姿精度与结构一致性。
基于注意力引导的显著性图用于解释视觉语言模型中的可视化素养
提出注意力聚合的显著性图方法，无梯度定位VLM生成答案的视觉关注区域，用于解释可视化素养，验证因果忠实性。
CLIFE：用于路边弱势道路使用者感知的边缘部署型相机-激光雷达融合框架
提出CLIFE边缘融合框架，实现无目标标定与轻量后融合跟踪，在嵌入式设备上实时(53.2FPS)，增强感知范围与鲁棒性。
PagedWeight：基于动态质量感知权重量化的高效MoE大语言模型服务
PagedWeight动态量化MoE权重以平衡精度与缓存，实现FP16精度，节省72%内存，吞吐提升1.94倍，同内存下质量提升39.3%。
针对危险驾驶情绪反应的视觉语言助手
KYA系统通过视觉模块实时检测危险驾驶，语言模块按用户偏好生成情绪化回应，最佳组合YOLOv8s+ChatGPT-4o得分4.29。
基于平衡态的可微连续变量热力学计算蓝图
提出平衡态可微热力学计算蓝图，利用物理硬件随机过程实现节能高效概率机器学习。
面向有限标注与导航预算的具身主动学习目标检测
提出有限预算下具身主动学习方法，利用空间一致性选择有效样本提升目标检测精度。
MLLM-DataEngine：闭环多模态指令微调数据生成
提出闭环系统MLLM-DataEngine，自适应采样劣势案例并用GPT-4生成数据，迭代提升模型能力，无需人工干预。
FVAttn：面向视频生成的运行时负载均衡自适应稀疏注意力
FVAttn通过运行时负载均衡和稀疏增强，解决自适应稀疏注意力负载不均，实现4.41倍加速。
小米机器人-1：基于10万小时真实轨迹的视觉-语言-动作模型扩展
提出两阶段训练的VLA模型，预训练用10万小时真实轨迹，后训练对齐指令，在RoboCasa365达57.6%成功率，创下新纪录。
基于MaxSAT的反馈机制指导视觉语言模型解决数独
提出神经符号方法，利用MaxSAT求解器验证并反馈纠正VLM的数独错误，提升逻辑一致性和解题率。
SciVisAgentBench：一个用于评估科学数据分析和可视化智能体的基准
提出基于108个案例和多模态评估的SciVisAgentBench，用于评测科学可视化智能体。
MotionForesight：重新利用视频模型预测未来三维场景流
利用视频预测模型先验，仅观察帧即可预测物体未来3D轨迹，无需物体属性假设，少量视频即实现泛化。
重训练寻求稳定信号
存在稳定信号时，正则化重复风险最小化几何收敛至信号方向，模型影响大亦成立，揭示正则化控制表演性新作用。
DyneTrion：跨时间尺度蛋白质动力学的时空一致生成模拟器
DyneTrion：三重注意力生成模型，高效模拟蛋白质动力学，保持时空一致性并再现自由能景观。
感知对齐的AI输出：面向临床决策中不确定性沟通的端到端视觉预测
提出VL4ML框架，通过视觉表征传达预测与不确定性，临床试验显示超79%参与者认可，提升记忆与决策速度。
基于熵的特征的影响研究
熵特征能有效提升网络异常检测性能，减少误分类且计算成本低，适合轻量级应用。
支付宝支付集成基准测试（Alipay-PIBench）：面向编码智能体的真实支付集成评估
支付宝支付集成基准测试Alipay-PIBench评估编码智能体，带技能下平均通过率提升10.31%，最高91.37%。
BrainPilot：使用智能体研究自动化脑发现
BrainPilot开源多智能体系统，通过可追溯日志和验证，加速脑科学研究，性能可比先进框架。
智能体会梦见虚假记忆吗？多模态AI智能体长期记忆的黑盒视觉攻击
提出Lucid黑盒攻击框架，通过不可察觉扰动实现记忆中毒与注入，暴露多模态记忆管道结构性漏洞。
认识自我，理解世界：面向多模态大模型的无人机时空推理双认知基准
提出无人机双认知基准UAV-DualCog，评估自我与环境时空推理，现有MLLMs表现不可靠，具可扩展性。
显存受限场景下的长上下文微调
HGA结合分段反向传播与分层KV存储，16GB显存实现16K tokens训练，性能接近密集注意力，显存增长可控。
基于Choquet积分的特征聚合提升网络异常检测
该框架通过自适应加权与增量特征选择，在保证精度前提下，准确率提升7%、数据量缩减77.5%，显著适用于带宽受限的实时入侵检测。
急诊科入院患者的主动住院床位请求
通过预测主动请求床位，平均住院时间减少30-70%，急诊停留减少6-15%，新闻供应商启发式效果最佳。
STSBench：用于建模灵长类视觉皮层背侧流神经元活动的大规模数据集
提出含超2000个颞上沟神经元记录的大规模数据集，用于背侧流编码模型基准测试和视觉输入重建。
Beyond Frontiers: Scene-Anomaly Guided Autonomous Exploration
AI评估中，项目反应理论可靠吗？
研究揭示AI基准中IRT因数据规模与分布不匹配而可能不可靠，小模型集下可扩展估计器易致错误推断。
线性与逻辑回归中的仅预测蒸馏
仅用无标签数据蒸馏，混合教师与学生预测可降低岭回归风险，最优权重由小校准集估计。
ACPO：多智能体强化学习的智能体链式策略优化
提出ACPO方法实现联合策略梯度分散分解，智能体独立训练构成联合步骤，多智能体任务表现优异。
针对突发干扰信道的闭环贝叶斯强盗编码器与GRAND接收机
自适应切换编码模式，结合GRAND接收机学习噪声模型，误块率降低一个数量级，学习瞬态仅数毫秒。
FAIR_XAI: 通过可解释性提升多模态基础模型在健康评估中的公平性
VLM在健康评估中存在性能差异和偏见，XAI干预效果有限，需联合优化准确率、公平性和泛化性。
托勒密的等分点通过机器学习等同于通用动力学钟
利用机器学习构建通用动力学钟，将任意振荡等价为均匀旋转，揭示集体振荡等新规律。
通过扰动保持记忆压缩的快速可扩展卡普托分数梯度下降
提出两种记忆压缩机制降低Caputo分数梯度下降计算成本，保证单调下降与线性收敛。
在图处理器上渲染3D高斯
首次在仅有片上SRAM的IPU实现3D高斯渲染，评估片间带宽、容量、负载不均瓶颈，探讨无DRAM架构前景。
MirrorCode：AI可仅凭行为重建完整程序
MirrorCode基准测试AI通过观察行为重建整个程序的能力，最强模型达56%准确率，可复现万行级生物信息学工具。
深度在手术视觉基础模型中的作用：RGB-D预训练的实证研究
多模态深度预训练显著提升手术视觉模型性能，仅用25%标注数据即超越全量RGB模型，且推理时无需深度输入。
VTLoc：视觉点云中基于学习的触觉接触定位
VTLoc融合视觉点云与触觉数据，通过几何多模态对齐和迭代更新，精准定位接触点，减少局部-全局对应歧义。
语音识别模型上的自然后门攻击
利用日常自然声作为触发器，仅需5%投毒样本即可高成功率攻击语音识别模型，隐蔽性强且不影响正常性能。
音频-视觉火烈鸟：面向长时复杂视频的开放式音视频智能
开源音视频大模型AV-Flamingo，通过新数据集与三阶段课程训练，长视频理解性能领先。
可交换性下的统计证据聚合
研究可交换性下统计证据聚合，通过置换校准提升检验功效，支持序列与自适应聚合。
非线性多尺度物理信息学习的统计公式差距
证明了非线性多尺度物理信息学习存在有限样本公式差距，强残差复杂度下界与εN相关，变分能量复杂度上界与ε无关。
中文标题：为什么CNN擅长特征提取？一个数学解释
中文摘要：通过新数学模型证明，卷积神经网络可零误差解决图像分类任务，因能实现检测特征的分段线性函数。
毒化以检测：联邦学习中的目标过拟合检测
提出三种检测方法，能在1-2轮内有效识别协调者诱导的目标过拟合，F1达0.7。
少许自由，大有裨益：生成模型下强化学习的经典与量子算法
提出生成模型下强化学习的经典与量子在线算法，直接计算最优策略，量子算法实现多项式对数时间步长遗憾，打破经典平方根壁垒。
早期本科生计算机科学中的支架式生成式AI实验室：一项混合方法、多课程评估
简短支架式GenAI干预提升学生开放性与舒适度，改变使用策略，但未增加评分作业使用频率。
有界区分器下的分布检验
用有界区分器类测试分布，连接可测试学习、学习算法验证和结构分布测试，获得新结果。
SpeechGuard：针对语音识别模型后门攻击的在线防御
提出SpeechGuard在线防御管道，通过自适应扰动注入和时频掩码净化，有效过滤和抑制后门攻击。
基于深度学习的骨骼康复评估标准化基准
整合康复数据集为Rehab-Pile，提出基准框架，评估多种深度学习架构，公开资源以促进自动化康复评估。
切于流形：为扩散模型发现黎曼度量
基于得分函数雅可比矩阵谱结构，提出无训练黎曼度量，引导路径沿流形切向，提升插值与生成质量。