动力学感知元模仿：泛化至未见机器人操作
DAMI框架融合元学习与动力学感知，从演示学习任务逻辑，实现未知任务泛化，实验优于基线。
CTC：合作多智能体强化学习的复合任务挑战
提出复合任务挑战（CTC），强制分工与合作，现有合作MARL方法全部失效，指导方案可解但次优。
无监督深度学习在计算机断层扫描逆问题中的应用
无需真实数据，单次前向传递重建CT图像，速度提升万倍，性能媲美监督方法。
SLAC：通过无监督模拟预训练实现安全高效的实机强化学习
SLAC用低保真模拟预训练潜在动作空间，实现实机强化学习安全高效，一小时学会复杂操控任务。
MAnchors：基于记忆的锚点加速——规则重用与变换
通过存储和变换规则，大幅缩短解释生成时间，保持保真度和可解释性。
哪些超参数至关重要？基于博弈论的可解释超参数敏感性分析框架
提出博弈论框架，用Shapley效应与帕累托前沿分析超参数敏感性，提供可解释洞察以指导优化与早期评估。
用于无人机探测的声学成像：密集波束形成能量图与U-Net SELD
提出U-Net对波束形成能量图进行球形语义分割，实现360°声源定位，后处理质心获方向估计，适用于无人机探测和SELD。
MVI-Bench：用于评估大型视觉语言模型对误导性视觉输入鲁棒性的全面基准
首个评估误导性视觉输入对LVLMs鲁棒性的基准，含三层次1248实例，揭示模型脆弱性。
视频场景解析综合综述：进展、挑战与前景
综述五任务与架构演进（手工到基础模型），聚焦时间闪烁、身份切换等挑战，展望开放世界系统
基于PID-CNN的双眼视觉目标三维运动感知
训练PID卷积网络感知双目目标三维运动，精度近输入极限，探讨高维卷积及PID记忆注意力优势。
AuditVotes: 通过高效增强与条件平滑提升GNN的可证明鲁棒性
AuditVotes框架整合图重连增强与条件平滑，同时提升GNN的干净准确率和认证鲁棒性，理论保证且效果显著。
单次系统辨识的零一律
单次辨识存在零一律：要么无法由任何输入唯一确定系数，要么几乎所有随机输入均可，并提供了后验认证。
使用强化学习学习趋避任务：向量化仿真与基准
首次建立真实复杂场景下的机器人臂趋避任务基准，经并行化仿真实现高成功率，但表明DRL在真实场景性能下降，仍需进一步研究。
代码投毒属性推断攻击
提出首个代码级属性推断攻击（CPPIA），实现100%攻击准确率且不降低模型精度，计算轻量。
MindDrive：基于在线强化学习的自动驾驶视觉-语言-动作模型
提出MindDrive，用双LoRA大模型将在线强化学习引入自动驾驶，通过离散语言决策高效探索，取得领先成果。
异构图神经网络对节点分类真的有效吗？一个因果视角
从因果视角分析，模型架构无因果效应，异构信息通过增强同质性和分布差异提升节点分类性能。
CloudDiffusion: 基于扩散模型的点云场景补全
CloudDiffusion通过多token高斯VAE、锚点ICP精炼和单步扩散，近实时完成点云场景补全，表明数据质量主导模型设计。
基于拉普拉斯最优传输的聚类感知匹配
提出拉普拉斯最优传输正则化实现聚类感知匹配，并引入RSC方法获得一致分区。
面向交互感知的柔顺物体运输全身控制
提出仿生交互导向全身控制，通过强化学习实现重载交互下稳定全身行为与柔顺运输。
用于基因调控网络推断的深度与概率模型
本文提出PMF-GRN和GLM-Prior两个框架，结合概率推断与序列先验，实现网络的不确定性建模与跨物种泛化。
延迟-响应理论模型：通过响应准确性与思维链长度评估大型语言模型
LaRT模型联合建模响应准确性与思维链长度，引入能力与速度相关参数，提升评估准确性
WeEdit：面向文本中心图像编辑的数据集、基准和字形引导框架
提出WeEdit系统，含数据管道、基准和字形引导两阶段训练，显著提升文本编辑精度。
通过自适应编码器冻结实现节能的联邦学习用于MRI到CT转换：一项绿色AI引导的研究
自适应编码器冻结减少联邦学习能耗23%，保持MRI-CT转换性能，推动绿色AI医疗。
基于PDDLStream的大语言模型在任务与运动规划中的系统性研究
零样本实验表明，LLM规划器成功率低、耗时长，几何细节增加任务规划错误，直接LLM变体优于推理变体。
生成模型通晓空间：挖掘隐式3D先验用于场景理解
VEGA-3D利用视频生成模型隐式3D先验，无需显式3D监督，显著提升多模态大模型的空间理解与推理能力。
面向起点到终点飞行问题的MPC策略的Pick-to-Learn校准
本文展示Pick-to-Learn方法校准MPC策略，用于飞机航程问题，从400场景中选出2个，满足概率风险界4.8%。
视频流思考：视频大语言模型可实现边看边想
VST范式实现流式视频边看边推理，提升实时理解和效率，响应快且性能强。
利用黎曼流匹配从LHC数据学习标准模型结构
ShellFlow模型从LHC真实数据中直接学习标准模型结构，复现粒子质量和共振峰。
PASs-MoE：通过路径激活子空间缓解路由与专家错位共漂移的持续学习新方法
提出PASs-MoE，用路径激活子空间校准路由并稳定专家方向，提升持续学习抗遗忘能力。
中文标题：嵌入空间中的捉迷藏：基于几何的大语言模型隐写术与检测
中文摘要：提出低可恢复性隐写术，用嵌入空间替代任意映射，并通过线性探针检测微调后内部签名，准确率提升33%。
因果森林中的诚实性：何时有益，何时有害
诚实估计减少过拟合但增加欠拟合，异质性大时需多27%数据，应视为正则化而非默认选项。
通过统一混合掩膜感知Transformer实现高保真壁画修复
提出HMAT框架，结合掩膜感知动态滤波与Transformer，实现结构修复与纹理保留，在严重缺失下表现优异。
AutoSpec：神经网络规范的自动生成
AutoSpec框架自动生成并评估神经网络规范，树算法划分输入空间，统计认证保证精度，F1分数提升达73%。
DiffuMamba: 基于Mamba骨干的高吞吐量扩散语言模型
DiffuMamba用Mamba骨干实现线性建模，长序列推理吞吐量提升8.2倍，性能不输Transformer。
受人类启发的神经符号世界建模与逻辑推理：用于可解释的安全无人机着陆点评估
NeuroSymLand分离感知建模与逻辑推理，实现可解释的无人机着陆安全评估，72场景61成功，优于基线。
非弹性本构Kolmogorov-Arnold网络：一种自动发现可解释非弹性材料模型的通用框架
iCKANs自动发现材料弹性与非弹性本构定律，准确捕捉粘弹性行为，保持物理可解释性。
VidNum-1.4K：视频数值推理综合基准测试
提出VidNum-1.4K视频数值推理基准，含1379人工标注，三层级测试。当前最强模型仅60%准确率，开源模型25-45%，揭示VLM缺乏稳定世界模型。
面向领域泛化的开放词汇目标检测：一种渐进式领域不变跨模态对齐方法
提出PICA方法，通过多级课程学习稳定跨模态对齐，提升领域泛化下的开放词汇目标检测鲁棒性。
用可解释神经网络发现图动力学系统的可泛化控制方程
提出GKAN-ODE模型，在分布外图拓扑上精确发现方程，误差低两个数量级。
多边缘时间薛定谔桥匹配（基于未配对数据）
提出多边缘时间薛定谔桥匹配，从静态快照高效恢复高维隐藏动力学。
重新思考CLIP在无需训练的开词汇语义分割中的全局知识
GCLIP重塑注意力和Value嵌入聚合全局上下文，无需训练提升开词汇语义分割性能。
LVSum：时间戳感知的长视频摘要基准
LVSum基准包含72个16分钟视频及时间戳摘要，评估显示模型过度依赖转录，时间定位与指令遵循能力不足。
更大更糟：数据稀缺下模型选择的实践指南
数据稀缺时，大模型反而不如小模型高效，小模型配合高分辨率是关键，规模法则失效。
KD-Judge：面向边缘设备的功能性健身动作的知识驱动自动评判框架
提出KD-Judge框架，将健身规则转化为可执行表示，在边缘设备上实现实时准确评判，加速达15.91倍。
多模态大语言模型中优先可靠性的细粒度生成
针对细粒度生成可靠性差问题，提出GranFact基准与层次评估，及可靠性优先优化方法，提升细粒度生成并保持可靠性。
ReCal3R：面向流式三维重建的可靠性校准学习率方法
提出ReCal3R方法，通过可靠性校准学习率抑制不可靠令牌更新，使长序列重建ATE降低3.7倍。
Orca: 世界存乎于心
Orca通过Next-State-Prediction统一建模世界状态，融合无意识与有意识学习，预训练后冻结骨干，下游生成任务超越基线。
面向能效去中心化联邦学习的时变混合矩阵设计
提出时变混合矩阵设计，最小化每节点最大能耗，平衡收敛速度，实验验证有效。
超图半监督学习分析
分析超图半监督学习渐近一致性，提出HOHL多尺度正则化，收敛到p-Laplacian及高阶Sobolev半范数，实验验证有效性。
中文标题：评估基于LLM的端到端CLI工具场景中的0到1软件生成
中文摘要：新基准CLI-Tool-Bench测试LLM从零生成命令行工具，顶级模型成功率仅43.8%，显示0到1软件生成仍极富挑战。