TCAM-Diff：三平面感知交叉注意力医学扩散模型
提出TCAM-Diff模型，通过三平面表示和交叉注意力扩散，降低内存需求，高效生成高质量3D医学图像。
当智能体与自己不一致：行为一致性作为LLM智能体的不确定性信号
利用LLM代理在相同输入下的行为方差作为无训练不确定性信号，选择性预测（三次一致）达87-88%准确率，比单次基线提升6-14%。
举报人的可否认性保证
提出基于私有持续计数的举报人保护机制，实现每报告(0,δ)-差分隐私，噪声O(√log T)，优于随机响应。
人工智能冲突情境下心智理论的因果模型
提出冲突下心智理论的因果模型，将ToM视为条件激活机制，通过因果路径提升认知准确性，实现资源合理决策。
多模态经验贝叶斯变分自编码器用于联合纵向与事件时间建模
EB-VAE联合建模肿瘤生长与脱落，混合解码器恢复治疗效应，遗传条件改进个体预测，识别BRAF等遗传指标。
基于视觉Transformer的EVAP模型利用Sentinel-2与Formosat-5影像进行灾后区域分割
利用ViT和弱监督扩展标签训练，提升灾区分割的平滑性与可靠性。
利用Evo 2探针筛查宏基因组数据中的生物安全特征
用Evo 2冻结层激活训练的轻量探针可高精度检测宏基因组中AMR和毒力特征，无需微调，适用于短读评估。
超越多面体上Dikin行走的$d^{2.5}$混合界
改进Dikin walk混合界至d^2.25，采用缩放Lee-Sidford度量及高阶分析，提升采样效率。
残差神经网络对参数依赖问题解的逼近
结合梯度流与洛贾谢维奇理论训练残差网络，简单实现，高效逼近参数依赖问题解，包括严重不适定反问题。
用于降水临近预报的时空Transformer
提出Satformer，将临近预报转化为分类问题并采用频率加权损失，在降水预测挑战中获第一。
进化强化学习中神经策略与程序化策略的生存动力学
程序化策略比神经策略平均多存活201.69步，纯学习策略也优于神经策略。
皮质-SSM：一种用于脑电信号运动想象解码的深度状态空间模型
提出Cortical-SSM深度状态空间模型，集成捕获脑电时空频依赖，优于基线，实现可解释鲁棒的运动想象解码。
连续K-Max赌博机的次线性遗憾研究
提出DCK-UCB算法，实现连续K-Max赌博机首个次线性遗憾界O(T^{3/4})，对指数分布达O(√T)。
Koopman驱动的EMG传感握力预测
通过单个sEMG传感器和Koopman算子，实现握力估计与0.5秒预测，误差分别约5.5%和17.9%，算法快速可实时。
BenthiCat: 一个促进底栖分类与栖息地绘图的光声数据集
发布百万级多模态底栖数据集，含36000标注样本，用于分类与栖息地绘图，促进跨模态学习与基准建立。
基于表示的语言模型探索：从测试时到训练后
基于预训练模型隐藏状态的表示奖励驱动探索，显著提升多样性与pass@k效率，实现3倍样本效率提升。
深度加权多项式一致逼近非对称增长衰减函数
提出深度加权多项式近似非对称增长衰减函数，将半直线问题转化为紧区间，微调方法提升精度。
面向参数化动作马尔可夫决策过程的知识与梯度引导强化学习
利用知识库剪枝动作与约束参数，结合梯度优化，提升样本效率并提供局部解释，在PAMDP任务中超越基线。
注意差距：针对安卓GUI代理的动作重绑定攻击
跨应用动作重绑定攻击利用观察-动作间隙，零权限劫持安卓GUI代理执行特权操作，成功率100%且免杀。
NSNQuant：一种用于KV缓存免校准低比特向量量化的双归一化方法
NSNQuant通过双归一化及哈达玛变换实现免校准KV缓存低比特量化，对齐分布，性能优于先前方法，吞吐量提升3倍。
ClusIR：聚类引导的通用图像恢复框架
提出ClusIR，通过可学习聚类建模退化语义，实现跨空间和频率域的自适应恢复，在多种退化下性能优异。
视觉Transformer的注意力多层融合
提出注意力层融合(ALF)，动态融合视觉Transformer所有层表示，在20个数据集上显著提升线性探测效果。
GeCo：通过运动与结构评估视频生成中的几何一致性
GeCo通过融合运动与深度先验检测视频生成中的几何变形与遮挡伪影，作为无训练指导损失减少伪影。
多字典学习用于低秩稀疏编码
提出双字典低秩编码模型，建立样本复杂度界限，AODL算法实现更稀疏且可解释的解。
融合射频领域知识的图神经网络用于高效准确的电路性能预测
提出拓扑感知GNN框架预测RF电路性能，误差2.71%，训练速度提升20倍，数据效率提升36倍。
基于领域无关动态规划的列生成
领域无关动态规划可作通用定价求解器，新特征和算法在四类问题中优于现有自动求解及MIP/CP方法。
追踪并描述任意运动：基于轨迹条件生成的开放词汇时空描述
提出TCAM框架，无需查询即可追踪并描述视频中任意运动，生成时序定位与轨迹指向的开放词汇字幕。
多智能体推理中沟通的优势与局限
分析多智能体推理中通信的利弊，推导智能体数量与通信量的理论界限，实验验证权衡关系，指导可扩展系统设计。
变分图神经专家混合模型用于脑电网络频段中的阿尔茨海默病识别
提出VMoGE框架，融合多频段EEG与变分图专家混合，建模脑网络不确定性，在AD识别中AUC达0.89，并揭示与疾病进展相关的神经生理标记。
MASPRM：多智能体系统过程奖励模型
MASPRM通过过程奖励模型优化多智能体消息搜索，在多个基准上超越同规模ORM，提升推理性能。
超越描述：具身智能体细粒度动作的认知基准测试
CFG-Bench评估细粒度动作认知，发现MLLMs物理交互指令与高阶推理困难，微调可提升具身基准性能。
滞后算子状态空间模型：结构化状态空间建模的几何框架
基于滞后算子，几何推导离散递归，灵活组合基函数与时间扭曲，可恢复HiPPO模型。
SOTIF条件下大型视觉语言模型的2D目标检测比较评估
LVLM在自然退化下召回率超YOLOv5 25%，接近RT-DETRv4，但几何精度较弱，适合作为安全验证器。
当视觉压倒语言：评估与缓解VLA中的反事实失败
VLA模型因数据集偏差产生反事实失败，提出CAG双分支推理法，无需额外数据即可显著提升语言遵循准确率与任务成功率。
计算感知的能量采集联邦学习与流水线循环调度
PipeCycle通过流水线循环调度重叠充电与训练，降低联邦学习能耗，尤其在标签偏斜下性能优异。
非IID联邦平均中保留但错位表示的机制证据
非IID FedAvg性能退化源于保留的内部结构与预测路径错位，而非表征丢失。
评估显微镜像素和物体分类的视觉基础模型
研究评估多种视觉基础模型，证实其比手工特征显著提升显微镜像素与物体分类性能，并建立基准。
用于楔形文字泥板元数据分类的新型网络结构
提出卷积启发点云网络，逐步降采样并整合邻域与全局信息，分类性能优于Point-BERT。
用于土地利用场景分类的视觉Transformer与卷积神经网络
比较CNN与ViT在遥感土地利用分类性能，发现CNN小样本稳健，ViT复杂场景更优但需更多资源。
解耦潜动态流形融合用于求解参数化偏微分方程
提出DLDMF，解耦时空与参数，通过参数条件神经ODE和动态流形融合，高效实现参数泛化与长时间外推。
ELF：一系列无编码器的心电图-语言模型
提出三种无编码器ELM，以更简单架构在两个数据集上比肩或超越先前最优模型。
OccTrack360：基于环视鱼眼相机的4D全景占用追踪
提出长序列鱼眼全景占用追踪基准OccTrack360及方法FoSOcc，解决畸变与定位问题。
基于空间稀疏线性注意力的低延迟事件驱动目标检测
提出SSLA方法，实现异步低延迟事件目标检测，精度达SOTA且计算量降低20倍。
克服上下文辅助预测中的模态差距
提出半合成数据增强法生成高质量上下文，创建CAF-7M数据集，揭示数据集质量是CAF主要瓶颈。
NanoGS：免训练高斯泼溅简化
NanoGS免训练，通过局部成对合并简化高斯泼溅，大幅减少数量并保持质量，高效运行于CPU。
并非所有检索都有用：时间序列预测中面向输入感知RAG的交叉注意力
Cross-RAG通过查询-检索交叉注意力选择性关注相关样本，稳定提升零样本时间序列预测性能
RADAR：通过语义规划和自主因果环境重置的闭环机器人数据生成
RADAR全自动闭环数据生成，通过语义规划与因果重置消除人工干预，复杂任务成功率90%。
当音频分离损害零样本语音识别：在孟加拉语和英语语音上使用Whisper评估SAM-Audio
SAM-Audio提升信噪比，但导致Whisper零样本ASR的词错误率和字符错误率显著增加，表明信号质量改善不一定提高识别准确率。
学习在测试时学习：具有可学习自适应策略的语言代理
Meta-TTL通过双层优化学习自适应策略，让代理在测试时迭代纠错，性能显著优于基线且跨任务泛化。
测试时学习与演进知识库
EvoLib框架使大语言模型在测试时自动积累并演化知识，无需参数更新或监督，显著提升推理、编码与智能体任务性能。