通过自我场景增强强化多模态大语言模型中的自我中心空间感知
提出ESA框架，用自我元素图增强空间感知，在EgoTextVQA上室内外分别提升8.14%和8.72%。
语言模型可靠性与规模化的信息论极限
语言模型存在信息论可靠性上限，性能瓶颈取决于数据或容量中更稀缺资源，统一了检索增强、灾难性遗忘等现象。
T5-CSBoost：对抗性扰动鲁棒的LLM指纹识别
T5-CSBoost利用对比学习正则化风格嵌入，在多种对抗扰动下实现SOTA，显著提升LLM指纹鲁棒性。
多尺度ViT推理结合栖息地适应先验和kNN检索的多物种植物识别
采用多尺度ViT与kNN检索，融合栖息地适应先验，实现多物种植物识别，获PlantCLEF 2026第三名。
G2SR：基于几何方法的快速高效内存高斯曲面重建
G2SR采用轻量前端+几何后端，少视图下快速（69-89fps）低内存（203MB）实现高精度3D高斯曲面重建。
RENEW：从偏好中学习世界模型并修复模型利用
本文提出RENEW，利用人类偏好修复世界模型滥用，通过不确定性引导微调提升效率，为离线模型RL提供新方法。
预算子集优化用于执行感知的LLM研究构思
预算子集优化策略通过选择性优化提升LLM研究构思质量，多样性感知MMR-k方法在非重复性和成本效益上最优。
使用GPU友好的图形纹理编码压缩3D高斯泼溅数据
利用GPU纹理压缩球谐系数，通过局部分组重排序及比特率控制，实现高效并行解码且视觉质量损失极小。
面向科学文档的异构元素感知跨版本差异检测：布局感知对齐与结构感知推理
提出布局感知异构元素感知框架，实现科学文档跨版本差异检测，统一处理文本、表格、公式、图形，F1达0.85-0.90。
NeuroGRIP：基于检索增强的图优化方法用于知识驱动的脑电癫痫诊断
NeuroGRIP通过检索医学知识优化脑电图图谱，提高癫痫诊断准确性和可解释性。
VTM-Nav: 用于跨场景物体目标导航的分层视觉拓扑记忆
提出无需训练的VTM框架，通过分层视觉拓扑记忆实现跨场景经验重用，在三个基准测试中表现最佳。
面向流媒体视频游戏中鲁棒高效模仿学习的数据增强方法
针对流媒体中像素块、模糊等伪影的时空增强，使游戏代理在稳定和延迟条件下性能提升41%，鲁棒性仅降7.45%。
Hough-SIFT：基于Hough空间的线性结构鲁棒图像配准
Hough-SIFT在Hough空间匹配SIFT描述子，解决强线性场景失效问题，鲁棒性优于SIFT且保持正常场景精度。
中文标题：通过模型无关的下游奖励学习优化长期用户参与
中文摘要：提出统一模型无关下游奖励框架，离线筛选早期可预测留存的行为信号，在线实验提升参与和留存，已部署于Pinterest多个场景。
Uni-AdaVD：通过正交值分解实现视觉生成的通用概念擦除
Uni-AdaVD通过正交值分解与自适应擦除偏移，在不更新权重下抑制目标语义，实现通用视觉生成概念擦除。
HABIB_TAZ在SemEval-2026任务11中：通过合成训练和多目标优化分离形式逻辑与内容
使用合成数据和多目标损失函数，系统在英语子任务上达成零偏差和100%准确率，多语言子任务排名第六。
基于时序机器学习的ALS进展与医疗利用时间-事件预测模型
利用时序机器学习框架预测ALS功能衰退与辅助设备使用，实现个性化生存曲线和精准医疗决策。
基于深度强化学习的3D几何牙齿对齐规划
提出深度强化学习框架，利用DDPG、Transformer和课程学习，自动生成安全高效的3D牙齿对齐路径。
MIDiff：基于多变量成像扩散的移动使用生成方法应对稀疏性与不平衡
提出MIDiff，用C-GASF转换和Triple-Attention U-Net解决移动数据稀疏与不平衡，实现SOTA。
PReM：学习保留什么以及何时刷新以实现上下文压缩
PReM框架通过内部KV记忆学习保留和刷新上下文，采用相位分离训练，在32倍压缩下兼顾答案质量与效率。
李雅普诺夫引导：稳定生成流的统一框架
提出LyaGuide统一框架，将流引导转化为李雅普诺夫控制，保证稳定性，提升样本质量与鲁棒性。
多头潜变量控制：大语言模型智能体决策的统一接口
多头潜变量控制从冻结模型隐状态推断控制信号，优化智能体决策，显著降低大模型调用成本并保持性能。
局部可加特征归因：数学分类与报告清单
局部可加特征归因依赖于数学假设，提出框架、比较失败模式并给出十项报告清单。
更聪明且更便宜一举两得：字节精确的KV缓存嫁接将冻结的小模型变成验证知识飞轮
字节精确KV缓存嫁接使冻结小模型性能跃升、成本剧降，零额外内存扩展上下文，AIME得分从80.0%升至93.3%
SwinAD：面向无监督工业异常检测的多阶段特征重构
SwinAD提出多阶段特征重构，利用冻结Swin编码器和多样性解码器，显著提升多类无监督异常检测像素级定位精度。
Privacy Leakage in Federated Learning in Radiology Reports: A Comparative Evaluation of Tokenizer-Driven Privacy Risks
AdaTurn：面向主动视觉感知代理的预算感知测试时缩放
AdaTurn通过预算感知框架和强制回答训练，解决主动视觉代理因预算不足导致的截断问题，显著提升低预算场景的准确率。
HyMobileAgent：数据与环境协同扩展的高效GUI代理
HyMobileAgent采用数据-环境协同扩展框架，集成多组件训练，实现移动GUI高效代理。
LIGO-PINN：通过门控优化学习初始化以缓解物理信息神经网络的收敛失败
提出LIGO-PINN框架，通过学习初始化缓解PINN收敛失败，在多种PDE场景下性能提升91.5%。
打破长增量3D目标检测中的模型遗忘循环
针对长增量3D检测的模型遗忘，提出学习动力学驱动的记忆与回顾（LDMR）框架，有效缓解遗忘并超越基线。
通过概念链的隐式推理引导
大型语言模型推理脆弱，本文用自然文本隐式偏置答案，显示普通文本可系统性重构决策。
乌尔都语假新闻检测中的跨数据集泛化：基于XLM-RoBERTa和长度混淆分析的实证研究
跨数据集泛化研究发现长度混淆导致迁移崩塌，截断实验确证其影响。
TEDDY：基于ICD编码诊断历史的儿科风险预警基础模型
TEDDY模型用180万参数在160万儿童数据上实现疾病风险预警，中位AUC72%，可提前两年预测。
高级图像生成：负提示优化与潜在分类器引导
双引导框架：LLM优化负提示与CNN-RNN分类器引导扩散，减少伪影，提升语义保真度。
MagicPrompt：用于视频生成的超轻量级提示调优
以少于1%可训练参数实现高效视频生成微调，通过注意力嵌入提示和双空间奖励优化解决成本与稳定性问题。
MamaBench：通过反事实临床扰动评估LLM在妇幼健康诊断中的鲁棒性
MamaBench是首个妇幼健康反事实基准，BTR揭示LLM鲁棒性缺陷，EA-RAG降BTR 5.5%，但残差20%表明挑战犹存。
前半段突破拒绝：预填充越狱的机制研究
预填充通过被动自回归条件在响应前半段打破拒绝，而非抑制安全表示；监控提示侧可免疫此类攻击。
DS@GT ARC在LongEval：科学问答中的引用完整性与事实依据
通过纠正管道提升引用忠实度，主张评估需奖励严格答案依据。
断绝问题：大型语言模型无法感知提示之外的用户
LLM因缺乏对用户未知的表示导致奉承、幻觉；引入断绝模式列出未知维度可减少问题并促使用户主动提问。
迈向统一的多维可解释性度量：评估AI模型的可信度
提出统一多维可解释性评分框架，基于保真度、简化性和稳定性评估XAI方法，构建知识库实现上下文相关评估。
反事实最优行动树（COAT）：基于观测数据的可解释规范性策略
COAT框架结合反事实估计与混合整数优化，从观测数据学习可解释策略，在航空定价试验中提升6.9%收入。
MARS：面向KGQA的多跳自适应检索与SPARQL生成
MARS是一种无需微调的KGQA方法，通过结构化多跳检索自适应生成SPARQL查询，性能优异。
赞助搜索市场中的自适应广告负载设计：证据、理论与部署
通过大规模实验揭示广告负载对收入与用户转化的异质性影响，设计并部署自适应算法e-LAAL，显著改善收入与转化权衡。
Autoregressive Modeling of Film with Applications in Video Montage
VIABench：一个从盲人收集的、用于视觉障碍辅助的综合视频基准
VIABench基准评估多模态大语言模型在盲人辅助中的三大任务，发现主动提醒任务最具挑战性。
驾驭大语言模型实现可靠的学术督导：一项比较研究
脚手架工程可让小型语言模型在可靠性和一致性上超越大型模型，挑战“越大越好”的直觉。
LLM评估器存在跨语言偏差
大模型评估器对低资源语言评分偏高，配对准确性无法揭示此偏差，导致安全漏洞。
GlobalForge：迈向鲁棒的AI生成图像检测
GlobalForge通过抑制局部伪影、强化全局结构实现鲁棒AI图像检测，在8个基准上平均提升5.89%超越先前最优。
监督微调与上下文学习：拥塞条件下LLM个性化的均衡分析
分析LLM个性化中监督微调与上下文学习的均衡，发现拥塞会改变优势排序，平台同时提供两种方法不损害利润。
缺失治疗数据下的治疗分配学习
提出缺失数据下策略学习的高效估计器，证明MAR估计器更有效，强调正确指定缺失机制关键。