AdaTutoRank：面向RAG与深度研究的自适应辅导优化文档集重排学习
AdaTutoRank以自适应辅导优化训练文档集重排器，按表现分级提示并蒸馏令牌优势，十大基准最佳且检索更少。
电路对齐能否预测分布外泛化？
提出电路对齐分数CAS，无需目标域数据/标签即可预测OOD泛化，排序相关性0.88。
认证观测等价因果模型间的干预一致性
提出ISS，以干预查询排除候选，认证观测等价模型在成本界内干预一致；实验验证可认证网络因果抽象。
UNMATCH：面向取证式图像-声明验证的选择性非平衡Token-图像块匹配
提出方向性多尺度覆盖表示，刻画图像-声明局部双向亲和，轻量分类器Macro-F1达69.82。
SynDORBench：在物理约束可见性条件下评估LVLM感知鲁棒性
提出SynDORBench物理基准，评估LVLM在距离、光照等受限下的感知鲁棒性，发现像素密度比模型规模更关键。
测试时语言模型的延迟监督
在长间隔无关事件后提问并监督答案，可显著提升测试时记忆模型的长上下文检索能力。
在技能检索前实现及时指导：在智能体上下文中保留有用的暖心提示
TipsWarm 维护预算受限的技能暖心提示池，每轮筛选注入上下文，使指导在检索前及时可用，成功率最高。
当用户改变主意：测量与修复LLM智能体中的意图漂移
IntentFlux基准量化多轮意图漂移；StateForge显式状态维护可部分缓解但未恢复单轮水平。
面向大语言模型持续适应的锚定提示空间学习
提出LAPS：自蒸馏对齐历史提示，构建锚定提示空间择优迁移，提升持续适应并减少遗忘。
通用函数逼近下的交互式分布鲁棒多智能体学习
提出无模型RoMEX-φ，在通用函数逼近下求解分布鲁棒多智能体博弈，用鲁棒MADC刻画探索复杂度并保证次线性遗憾。
CoT-Pass@k 真的检验了思维链吗？一项多语言数学审计
审计发现CoT-Pass@k的评判模型几乎无法识别推理链错误，仅凭答案一致性给分，难以真正检验推理。
基于 TRIAGE 的大语言模型遗忘评估
TRIAGE以参数敏感性和曲率等内部视角评估大模型遗忘，量化邻接知识损伤并分类更新，行为相近而内部迥异。
如何减少 Whisper 幻觉
用合成幻觉短语作正样本微调，静音段幻觉率由61.9%降至2.4%，语音召回率反升。
基于通用光度立体的视觉触觉传感免标定表面法线估计
提出通用光度立体网络，免标定估计视觉触觉传感接触面法线，恢复细节，多传感器验证可跨传感器迁移。
3DGS-SC：面向3D高斯泼溅的受控静态屏幕内容基准
3DGS-SC：受控静态屏幕内容基准，揭示图像保真度与屏幕可读性脱节，PSNR与OCR排序多不一致。
算法公平只需不变性吗？移除人口统计信息可能产生新偏见
强制人口统计不变性会妨碍去偏并制造新偏见；区分边际与类条件不变性，证明不变性对公平既非可取也非充分。
Groupwise Agentic Grading and Advantage Redistribution for Code Agent RL
HGPTrans：用于汽车气动阻力系数预测的层次图池化Transolver
HGPTrans融合图卷积、切片注意力与层次池化，从车身网格预测气动阻力系数，推理仅约0.29秒。
基于超宽带数据的人体活动识别：降维、模式发现与预测建模框架
UWB雷达人体活动识别框架：降维与模式发现，六类活动分类准确率最高达100%。
用于旋转稳定360°场景理解的规范等变注意力
提出GE-RPE规范等变相对位置编码，零参数消除旋转规范依赖，显著提升360°场景理解稳定性和低标签分割。
SCLATE：持续学习智能体训练与评估的基座
SCLATE通过适配器统一调度基准与智能体事件，混合时钟压缩长时程并记录模型调用；后训练Qwen3.5-4B提升SWE-bench与MetaClaw表现。
PhiFold：以物理结构化协方差建模迈向动态蛋白质设计
PhiFold联合生成骨架与二阶动力学，分解残基位移协方差为局部柔性、低秩集体运动及残基参与，实现物理约束、柔性可控的动态设计。
HERO-MoE：基于尺度保持融合的历史专家路由
HERO-MoE将前层MoE历史路由分布经尺度保持融合后残差注入路由器，无需辅助损失，降低损失且开销极小。
面向精确原像的表示学习
提出TRIO框架，通过原像分解兼顾表达性预测、精确原像恢复与可处理全局优化。
让3D CT报告生成器说出它已知的内容
3D CT报告生成器隐状态已含诊断信息却未能输出；SelfCue对比解码找回，F1升至0.481。
从轨迹到基于页面元素的偏好：面向 Web 过程奖励模型的交互元素图过程偏好合成
提出SURFPRM，用交互元素图合成过程偏好，将GMCP占比提至74.60%，显著提升Web任务成功率。
全景场景程序扩散变换器
PSP-DiT将全景场景程序作为潜变量与图像联合去噪，提升组合式文生图的计数、属性绑定与关系建模。
KV-Lingo：通过蒸馏学习 KV 缓存翻译器
用蒸馏训练线性映射翻译源模型KV缓存给目标模型，免重预填充，首词元最高提速29倍，支持动态切换。
ALLOT：面向大语言模型知识更新的预算化混合记忆路由
ALLOT 以混合记忆路由按预算分配参数写入，仅更新高增量价值的事实，显著减少写入并保持准确率。
面向AIGC图像的自适应码率单步扩散压缩
面向0.025BPP超低码率AIGC图像，微调四个码率专用单步扩散模型，按真实码流大小用背包选优，排名第五。
语言作为独立信息层：沟通、认知与决策的概念模型
提出融合企业词汇概率向量空间与本体知识库模型，桥接统计与语义因果，识别业务瓶颈，语言为独立动态信息层
RLHarness：面向长时程多模态推理的强化学习与程序化技能协同演化
提出RLHarness，以版本化框架统一技能、协议与示例，与策略交替演化，重建后显著提升多模态推理。
面向分子逆向设计的图前向分布匹配
提出GraphFDM，通过正向过程在线强化学习优化图扩散，多性质分子设计MAE最低，化学有效性超0.99。
HyperReCo：利用超图神经网络为LLM多跳推理检索并连接证据
提出HyperReCo，用超图神经网络检索并连接证据，经梯度引导超路径解码提升LLM多跳推理。
对齐悖论：后训练如何放大语言模型中的高置信度幻觉
后训练对齐会放大高置信幻觉，限制DPO边距可减少35.3%错误并保持推理。
训练后神经网络精度下限的深度定律：放大效应、残差缩放与量化感知训练悖论
提出精度下限深度定律：预测放大决定下限并随深度增长，残差缩放消除深度惩罚，QAT增益随深度衰减成悖论
外科基础模型揭示标签效率的任务依赖性
SURGE外科基础模型基于3000万帧预训练，标签效率因任务而异：场景理解易饱和，细粒度推理需更多标注。
奖励黑客与智能体遏制失效：基于2026年Hugging Face事件的蒙特卡洛研究
奖励黑客可升级为外部安全事件；分层控制显著降低概率，智能体能力与监控、授权、凭证最敏感。
AuthorityLens：从权威视角重新审视基于大语言模型的智能体系统
提出AuthorityLens，从系统权威、权威分离、主体权威三维度量LLM智能体实际权威结构。
人类何时应收回控制权？动荡AI风险下的最优委托
提出连续时间随机控制框架，以自激过程刻画AI风险聚集，联合优化人类监督与委托；实验显示动态策略更优。
注意力趋于集中时涌现的三分之一标度律
softmax学习尖峰分布时logit按1/3幂律增长成瓶颈；LLM损失符合此预测，注意力头是主因。
实值 Transformer 的 VC 维与表达能力
实值 Transformer：VC 维上界 O(n⁴)、分裂 VC 维上界 O(n⁶)，均有下界 Ω(n)；单/双符号对称函数可表达，六符号部分不可，并限制实数位数访问。
局部合理，全局不足：多跳推理中的局部—全局差距
多跳推理局部合理但全局不足，即局部—全局差距；E-Closure兼顾准确与可靠，LGG率降至6.2%。
PluginRSI：用可复用插件递归改进智能体框架
将智能体框架拆解为原子化插件，独立改进并累积入共享库，迭代重组，提升性能并加速收敛。
Carnator：基于生成原生兼容性引导跨请求复用的快速文本到视频生成
通过扩散内部状态构建早期签名，实现跨请求复用兼容性判定，文生视频生成最高加速2.17倍。
通过主动子结构感知策略优化进行多智能体系统搜索
ASPO提出自适应查询选择与子结构级奖励的强化学习框架，搜索查询定制多智能体系统，六大基准均居首。
语义保持变换下的LLM对齐——效用不对称
在语义保持变换下，模型任务效用基本保留而对齐失效显著加剧，称为“对齐—效用不对称”。
CaptchaArena：面向交互式验证码的计算机使用智能体训练用大规模细粒度数据集
首个交互式验证码大规模细粒度数据集，含5万题、20类、5种交互模式及轨迹与推理标注，训得9B智能体达71.7分。
记忆即缓存：构造上即精确的上下文复用与删除
SMem将上下文构造为可精确组合、按块O(b)删除的缓存，长文检索与解码效率提升，困惑度基本持平。
反馈更丰富时，基准测试的可复用性如何？
多准则反馈下基准复用性骤降：测试集需求随准则数指数增长，少量准则即达√k代价，多任务评测频现假优胜者。