超越骨干网络反向传播：一种解耦策略用于高效迁移学习
解耦特征提取与分类器，预计算特征并重设计分类器头，显著减少训练时间与碳排放，精度几乎无损。
SPINE：用智能体AI弥合信息物理鸿沟
提出SPINE框架，通过多智能体工作流自动调试双臂机器人，减少专家依赖，提升部署成功率。
可微分偏振光路径追踪
提出可微分偏振光路径追踪，解决反向微分不稳定，实现材料与光照参数的高效优化。
自监督视觉表示学习：预训练-微调还是联合训练？
对比自监督预训练-微调与联合训练，发现联合训练在低标注时更高效，预训练-微调在专业领域更可靠。
利用图工具提升小语言模型的分子性质预测
利用GNN工具增强提示，使小语言模型分子性质预测准确率提升高达74%。
困惑陷阱：当专利法让人写的内容看起来像AI
消费级硬件下，AI文本检测器在专利中假阳性率超60%，新方法用七特征逻辑回归将准确率提至74%。
现代智能体系统中的自我改进：综述
提出基础模型与操作支架耦合框架，形式化自我改进为自诱导更新算子，综述应用与评估，探讨未来方向。
Oracle代理内存：面向长周期AI代理的企业级内存基座
Oracle Agent Memory作为企业内存基座，实现长周期AI代理，在LongMemEval达93.8%准确率，节省10.7倍令牌。
Text2Sign: 单GPU文本到手语视频生成的扩散基线
提出单GPU运行的Text2Sign扩散模型，利用冻结文本编码器与分解注意力，在How2Sign上实现验证损失0.00999，生成32帧耗时12.6秒，但限于低分辨率短片段。
一种掩码自编码器方法用于无监督钢表面缺陷识别
基于Transformer掩码自编码器，无监督学习钢表面缺陷表征，聚类准确率91.3%。
联邦可解释人工智能：角色、架构、评估与开放挑战
综述联邦可解释AI，揭示可解释性从事后工具演变为联邦学习核心，涵盖方法分类、评估缺陷及关键挑战。
基于Belnap有类型内涵一阶逻辑的神经符号AGI机器人的概率扩展
基于IFOL_B的神经符号AI，引入概率计算与对称变换，用神经网络基于最大熵计算概率密度，增强AGI认知能力。
通过世界模型从人类偏好和理由中学习安全智能体行为
利用世界模型和人类偏好理由训练奖励模型，实现安全高效的智能体部署。
Boogu-Image-0.1：提升开源统一多模态理解与生成能力
Boogu-Image-0.1开源多模态模型家族，仅用2.08亿图像和约40万美元成本，实现高性能文生图与编辑，接近闭源系统。
MGFace: 基于条件相似度路由的掩码门控人脸匹配
提出MGFace方法，区分口罩状态选择性匹配，戴口罩时仅重排序可靠上半脸区域，准确率达90%以上，查询时间降低20倍。
干预性基础审计：通过谓词替换对LLM思维链进行黑盒前提依赖性测试
提出干预性基础审计，通过谓词替换检测LLM思维链前提依赖，ProntoQA上F1=0.806，发现66%正确解答含“正确答案、错误推理”信号。
模型丢弃了什么，为何要找回：基于被弃几何的掩蔽、指纹识别与隐私
提出框架量化模型丢弃的对称信息，定义零纤维与稳定子，可高效计算，应用于掩蔽、指纹与隐私保护。
CayleyR：通过循环交集解决TopSpin谜题
提出cayleyR包，通过Cayley图循环交集双向搜索求解TopSpin谜题，采用C++和GPU加速实现。
模型表达、抑制与抗拒什么：使用人格向量审计开放权重大语言模型
用53个人格向量审计开放权重模型，发现模型默认任务导向，可引导放大默认排除特征，微调转移可恢复抵抗特征，揭示了行为组织。
基于弱监督的主动学习实现手术视频高效标注
主动学习结合弱监督，迭代优化伪掩码，减少手术视频标注工作量50%。
自动微分从零开始：PyTorch如何计算物理信息神经网络中的梯度
本文以具体数值示例，完整揭示PyTorch自动微分在PINN中计算两级梯度的流程（计算图、反向传播、图上图机制），并用理论验证。
RAGthoven在SemEval-2026任务1中：多阶段管道勉强通过基准测试
RAGthoven系统用多阶段LLM管道生成幽默，结合RAG增强，在英西中三语并列第一，但智能体变体未提升性能。
即时场景图增长：应对长时域机器人感知饱和
JITOMA通过按需激活休眠锚点，避免全图构建，大幅降低延迟和冗余。
KV缓存的适应性滤波：诊断与纠正LLM推理中的结构角色偏差
通过抑制结构KEY令牌消除KV缓存噪声偏差，在低预算下缩小H2O差距63-98%，提升准确率。
面向流式系统中事件触发LLM调用的不确定性感知序贯决策规则
将LLM调用建模为风险序贯停止问题，证明阈值策略最优，实验显示亚线性遗憾与92.9%高诊断质量。
从神经网络中定向恢复权重空间机制
定向参数分解(tPD)通过高秩组件处理非目标数据，仅提取特定输入的可解释计算组件，大幅降低计算成本。
GSM-Plus-BN: 面向大语言模型孟加拉语数学推理的基于扰动的基准测试
提出GSM-Plus-BN孟加拉语扰动数学数据集，评估6个开源LLM，揭示模型在孟加拉语数学推理上的性能差距。
AffectFlow-DINO: 基于条件整流流的不确定性感知多任务情感估计
提出AffectFlow-DINO，用条件整流流建模情感歧义，联合估计价-唤醒、表情和动作单元，性能大幅超越挑战基线。
TSSM：用于全球站点天气预报的三轴状态空间模型（时间-变量-历史建模）
提出三轴状态空间模型(TSSM)及历史增强范式，在最大站点天气数据集上达SOTA，准确率提升10%，极端事件指标提升61%，长期预测与缺失观测下鲁棒性优异。
基于能力与熟练度建模的知识状态解构方法
将学习行为分解为能力与熟练度两阶段，用多分支Transformer建模知识状态，有效提升预测性能。
连续演进的深度伪造检测：动态检测系统的架构与公共基准评估
动态对抗训练持续更新检测器，在19个数据集上AUC达0.936，大幅超越静态模型性能下降45-50%的困境。
基于论证的话语感知政策分析：面向灾害治理的混合LLM-符号框架
提出混合LLM-符号框架Apaf，将政策话语批判分析量化为双极论证图，揭示隐含框架关系，准确可解释。
STKAN: 用于时空预测的Kolmogorov-Arnold网络
STKAN引入泰勒多项式KAN模块，通过可学习分组和时空混合提升预测精度，性能优于MLP变体。
应用计算公司希望为油气运营商提供覆盖整个工厂的AI模型
Applied Computing获2000万美元A轮融资，为油气石化行业打造基础AI模型。
多语言大语言模型对齐的元学习偏好
提出元学习框架，利用跨语言偏好数据，在仅100样本的极低资源下实现28%胜率提升。
Lululemon支持尼龙回收初创公司Syntetica完成3000万美元A轮融资
法国初创公司Syntetica以创新方法回收尼龙，获Lululemon等知名投资者支持，完成3000万美元A轮融资。
面向交通管理的成本最优基础模型部署组合
提出FMDP混合整数规划问题，证明NP-hard并给出贪心算法，案例显示混合部署成本降低97%。
AI-Native Insurance for Agentic AI: Pricing, Underwriting, and End-to-End Automation
面向自主AI的AI原生保险框架，实现承保定价、合同优化与自动化理赔。
CoDiffGRN: 通过BEELINE-KGC基准和协同进化离散扩散重新思考基因调控网络推理
提出归纳排序中心图补全基准与协同进化离散扩散框架，显著提升新调控关系发现性能。
SARFA：基于放射组学特征对齐的任意分割
通过放射组学特征对齐和候选掩膜排序优化，解决医学图像中模糊目标分割难题，在CT/MRI上超越现有方法。
AI建议削弱了人们说“我不知道”的意愿，即便建议有误且准确性受激励
五项实验表明，AI建议即使错误也抑制人们暂停判断，导致回答更多但正确率骤降，信心却翻倍。
DevicesWorld：异构环境中跨设备智能体的基准测试
DevicesWorld含6140个跨设备任务，评估手机/桌面/IoT协作，最佳成功率仅12.5%，可诊断代理失败原因。
并发图像理解与生成：自校正耦合马尔可夫跳跃过程
提出SC-CMJP框架与CO2Jump采样器，实现跨模态实时纠错，在联合生成任务中性能最优且随去噪步数单调提升。
Accuracy-Preserving Stability Regularization for Large-Scale Retail Demand Forecasting
FOLIO：面向流式视频理解的聚焦语义记忆
提出无训练聚焦语义记忆FOLIO，通过动态聚焦与混合检索实现高效流式视频理解，性能达SOTA并显著降低记忆成本。
DiffGI: 面向高保真薄壳三维生成的可微几何图像
DiffGI以连续TSDF和可微算法实现端到端高保真薄壳3D生成，超紧凑潜空间扩散模型，边界精确且资源需求低。
中文标题：评估能力不等于优化效用：闭环表格识别中的LLM评判信号
中文摘要：LLM评判信号在闭环表格识别中效果弱，评估能力不代表优化效用，结构保持可减少严重损失但无改进。
找到正确的表和列：SQL模式检索的基准与语料自适应嵌入
将模式检索立为标准任务，提出语料自适应微调，召回率提升15%，小模型超越8B级，实现轻量级企业部署。
EMAGN: 基于学习聚类的可扩展交通预测高效多注意力图网络
通过学习聚类线性化空间注意力，EMAGN在保持近全注意力精度下，训练时间减少32%，内存降低58%，且可扩展到更多注意力头。
EZSMT第三版，成熟版
EZSMTV3是可扩展SMT驱动的CASP框架，改进输入语言并支持优化，利用CVC5等求解器高效处理整数实数混合约束。