轨迹感知的流匹配拓扑优化
提出轨迹感知流匹配拓扑优化，利用BESO历史状态构建路径，提升生成效率与物理一致性。
基于LLM的机器人足球比赛自动解说方案
提出全自主实时机器人足球解说系统，利用神经符号架构生成无幻觉解说，适应直播与赛后分析。
神经语言模型中语法性的线性表征
本文通过内部表征探测发现，神经语言模型能线性编码语法性，且独立于其他因素，跨语言泛化。
概率物理信息神经网络用于从低分辨率含噪位移数据估计异质弹性属性
提出PIE-PINN框架，用概率建模和自适应加权，从低分辨率含噪位移数据鲁棒估计异质弹性参数。
模糊模态边界：从单模态到多模态行人重识别的统一综述
综述行人重识别从单模态到多模态的演进，涵盖跨模态任务、多模态融合及未来方向。
审计公平与隐私的权衡：公平增强算法对子群体层面的影响
首次揭示公平算法对子群体成员推理隐私风险的不均影响，提出统一审计框架。
VideoChat3：用于高效通用视频理解的完全开源视频MLLM
VideoChat3完全开源，通过I3D-ViT和自适应帧分辨率高效处理视频，数据合成流水线增强泛化，4B参数超越以往模型。
SciDiagramEdit: 从论文修订中学习编辑科学图表
提出 SciDiagramEdit 框架，从论文版本历史中学习编辑科学图表，通过技能进化提升编辑准确性。
中文标题：物理信息扩散实现生物力学合理的3D手语生成
中文摘要：提出PIDiffSign模型，融合解剖约束与对比损失，提升手语生成的真实感与语义保真度。
T^2MLR：具有时间中间层循环的Transformer
T^2MLR通过缓存前token中间层表示并注入当前层，实现持久推理，仅需局部中间层循环即可超越全层，改造预训练模型显著提升数学推理。
TanGO：基于切空间引导与优化的免训练3D编辑
TanGO提出切空间引导优化方法，实现免训练3D编辑，通过逐令牌自适应控制减少语义伪影，性能领先。
门控零增长：函数保持持续学习的几何框架
零初始化门控增长实现函数保持与秩分离，新旧方向解耦，漂移可控，近乎零遗忘。
面向扩散语言模型的掩码感知策略梯度
提出掩码感知策略梯度，将生成分解为两阶段MDP，结合token与掩码项优化，在GSM8K和MBPP上达SOTA。
利用反事实估计加速A/B测试：通过策略重叠降低方差
提出利用策略重叠的反事实估计方法，降低A/B测试方差，理论实证均优越。
选择性驱动效率：面向视觉地点识别的数据集剪枝
提出地点级剪枝方法，利用地点内多样性和地点间相似性评估，构建紧凑核心集，降低训练成本并保持高性能。
中文标题：扩展基于吉兹字母的非洲语言词汇：阿姆哈拉语和提格利尼亚语的比较研究
中文摘要：通过词汇扩展和两阶段训练，VEXMLM在低资源格兹字母语言上显著提升性能，并泛化到17种其他非洲语言。
超越熵：通过对比策略优化实现正确性感知的优势塑造
提出对比策略优化（CPO），用对比分歧作为正确性信号，优于熵方法并解决零优势问题。
无需真实人脸的人脸识别基准测试
研究发现两个强合成数据集可替代真实基准评估人脸识别，达成隐私保护的完全合成流程。
静态图像与时空番茄数据：利用强标签和弱标签实现检测、分割、跟踪及视频实例分割
发布两个番茄视觉数据集，含静态和视频数据，提供像素级成熟度标签，支持检测、分割、跟踪等任务。
预训练大语言模型的原地分词器扩展
通过继续BPE合并和两阶段适应扩展分词器，减少新增语言token数，实现2-4倍解码加速。
面向长尾心电图心律失常诊断的角度高斯监督对比学习
提出AG-SCL，融合角度高斯对比学习与自适应逻辑调整，显著提升长尾心电图罕见心律失常识别的敏感性与特异性。
通过成分数据分析的语言识别：基于对数比几何的线性时间分类器
基于成分数据与CLR变换，结合拉普拉斯平滑实现线性时间语言识别，长文本准确率高且计算高效低耗。
FlashDecoder：基于Transformer的实时潜空间到像素流式解码器
FlashDecoder纯Transformer逐帧解码器，滚动KV缓存固定窗口，实现低延迟流式解码，速度与内存效率大幅提升，重建质量持平卷积解码器。
基于相移轮廓术的眼睛重建中的旋转运动误差补偿
提出旋转运动补偿框架，估计眼球旋转并补偿像素失配与相移误差，区域优化减少伪影，有效提高动态3D眼睛重建精度。
TikStance：面向TikTok政治对话中多目标立场分析的多模态层次化数据集
提出TikStance数据集，含161视频及评论，多模态层次化，覆盖2024美大选三人，标注一致性高。
超越排行榜：可信多模态视觉问答的设计经验
医疗多模态VQA需可靠可解释，结构化推理更可靠，建议改进评估、解释和鲁棒性检查。
PolyQ：面向可扩展边缘CPU大语言模型推理的端到端量化协同设计框架
PolyQ通过编译-量化协同设计实现通道级分数比特分配，提升CPU LLM推理困惑度2.4-32.1%，能耗低于2%。
TIDE：基于上下文学习和符号蒸馏的可信可解释电池退化估计
TIDE融合电池知识与测量，实现准确、可信、可解释的退化估计，精度提升19.7%。
设计稳定残差架构的精确稳定性阈值与认证
提出次线性增长原则：残差块输入幅度指数q≤1是稳定训练充要条件，实现架构高效认证。
平滑常数里有什么？具有有界二阶异质性的本地SGD的更紧致速率
证明局部SGD在二阶异质性下对一般凸目标收敛近紧，揭示异质性影响。
基于可微分尖峰时间离散化的连续时间脉冲神经网络可扩展训练
提出可微分尖峰时间离散化方法，大幅降低内存和训练时间，实现深层SNN单GPU训练。
回合制随机博弈中具有可达性目标的PAC学习：基于期望条件距离的去中心化隐私方法
首次实现回合制随机博弈中可达性目标的去中心化隐私PAC学习，引入期望条件距离，证得多项式样本复杂度。
可解释语言模型用于闭环1型糖尿病控制
本文提出LLM-T1D，融合强化学习与大语言模型，实现透明可靠的胰岛素泵控制，在模拟器中达73.5%时间在目标范围且防幻觉。
面向视觉语言模型的U形多粒度学习
UPrompt采用U形多粒度提示学习，通过粗到细与细到粗的级联增强，显著提升视觉语言模型性能。
基于SAM驱动的伪标注和状态空间交互扩散的弱监督RGB-D显著目标检测
提出SAM-PAG生成伪标注与S^2Diff扩散模型，弱监督RGB-D SOD性能优于同类方法。
对话式视觉地点识别
提出对话式地点识别新范式，将定位转为交互推理，构建大型基准及DQ-pilot框架，经课程学习显著超越基线。
Stitch-Inferencer：通过全景重建增强内窥镜视频分割与跟踪
提出实时模型无关框架，利用在线全景画布扩展视野，提升内窥镜分割与跟踪性能且无需重训练。
划分、提示、聚合：语言模型中的统计自洽性
通过二叉树划分和聚合测试，发现语言模型广泛违反概率自洽性，细粒度提示比直接估计更准确，揭示知识聚合缺陷。
Grad2Fair：一种无需人口统计信息的梯度驱动图公平性方法
提出Grad2Fair方法，利用梯度分布隐含人口信息直接去偏，无需人口统计，实现稳定公平。
MESHA：机制强制的序贯减半算法用于战略性线性老虎机
MESHA算法通过均匀采样和格里姆触发器条件，在战略性线性老虎机中有效识别最佳臂，优于现有方法。
特征加权聚类中的反事实解释
VoICE框架通过加权Voronoi投影为特征加权聚类生成有效且低成本的行动反事实解释。
论成功与简单：对可迁移视觉-语言攻击流程的再审视
提出SimVLA，简化跨模态攻击，提升迁移性和效率，证明复杂操作有害，领域知识更关键。
多智能体AI与MCP服务器协同下的电网研究编排
MCP接口使AI代理能标准化调用仿真工具，实现人机协同的电网研究编排，提升交互性与可审计性。
从草稿到无草稿：基于特权蒸馏与快速植入的单步视频对象移除
提出D2DF框架，通过特权蒸馏和快速植入实现单步视频对象移除，质量优且仅需1秒。
MemoHarness：从经验中学习的智能体控制层
MemoHarness通过分解六个控制维度并存储执行经验，无需测试标签即可自适应优化，在多项任务上优于固定框架。
MEMORA：源自第一人称视频的具身动作记忆，用于推理与规划
提出具身动作记忆EAM，通过在线编辑与离线整合实现持久记忆，在45小时视频数据上规划准确率提升20.5%，得分提升16.6%。
JADE-GS：事件引导的联合交替去模糊三维高斯泼溅
JADE-GS融合事件与图像先验，通过双向循环联合3D高斯泼溅去模糊，训练快、感知质量最优。
ChronoQG：面向时间表达能力强且跳数受限的时间知识图谱问题生成基准
提出ChronoQG框架，构建时间知识图谱问题生成基准，含16,011个问题，揭示现有方法难以保持时间约束。
GAttNHP：面向时序知识图谱外推推理的组注意力神经霍克斯过程
提出GAttNHP，用自注意力、语义分组和分位数回归解决TKG预测的长期依赖、链间互作用与重尾分布问题。
视频 = 世界 + 事件流
提出视频分解为世界与事件流模型，世界为持久场景，事件流为动态变化，用于实时全双工视听交互预训练。