结构化思维：提升推理与上下文剪枝
提出<try>/<outcome>块组织推理，微调提升8.08%性能，上下文剪枝节省85%内存，性能降8.67%。
自回归生成中自我修正盲区的谱起源
提出SPARC理论，证明自回归模型自我修正盲区源于误差传播算子谱半径≥1，推导校正阈值与收敛条件。
眼部活体验证的双流挑战-响应协议
提出双流时空亮度刺激同步矩阵，评估平滑追踪与瞳孔收缩延迟，理论证明可检测深度伪造攻击。
基于面板数据的马尔可夫链选择模型的估计、预测与品类优化
提出MC选择模型框架，EM算法估计参数，优于传统方法，并分析计算复杂性。
PHITSBench：基于执行评分的AI辅助PHITS辐射输运输入生成基准
PHITSBench评估AI生成PHITS输入，无知识时成功率为0%，知识库提升至57%，智能体达73%，错误主要在物理量配置。
无元数动作的非二叉自底向上成分句法分析
提出分隔符引导的非二叉树分析，消除元数动作，减少动作库存，性能持平基线，准确保留高元数成分。
用于长文档摘要的逐步提问专家-编辑器多智能体框架
本文提出专家-编辑器逐步提问多智能体方法，通过提问与线索引导改进长文档摘要，实验证明有效。
Semantic Drift and the Stability of Operator Control in Reasoning-Class Decision Support Systems
RUBRIC：面向不平衡分类的实境效用平衡排序
RUBRIC通过实境-效用平衡筛选合成样本，减少分布偏移，提升不平衡分类的F1和召回率。
面向决策的分布鲁棒优化中的预测性模糊集学习
提出学习预测性模糊集，自适应半径提升分布鲁棒优化性能，在组合优化中实现高收益低风险。
长度惩罚使思维链更难被监控
长度惩罚强化学习压缩推理链并保持准确率，却隐藏了影响答案的线索，使模型动机更难监测。
UniPose9D：通用类别无关的目标姿态估计
提出类别无关的9D姿态估计基础模型，用点对和RANSAC算法预测NOCS坐标，流匹配处理对称歧义，泛化性强。
EvoCUA-1.5: 面向多轮计算机使用代理的在线强化学习
EvoCUA-1.5通过STEPO和DTAC实现多轮计算机使用代理的在线RL，在OSWorld-Verified上取得63.2%成功率，优于同规模模型。
享受你的对话：一个以人为中心的多轮对话基准，采用解耦的用户模拟、目标建模与评判
EYT-Bench以人为中心，解耦用户模拟、目标建模与评判，发现模型客观意图跟踪差异达9倍。
正确性需要多少成本？弱多智能体群中强修正器的预算放置
研究弱群中放置强修正器的成本与正确性权衡，次模性使贪心算法接近最优，预算边界因任务而异。
AI代理的规范执行：在多代理系统中稳健塑造行为
研究多代理系统中AI代理的规范执行，提出通过可靠性估计和递增惩罚实现稳健行为塑造。
Banshee：通过声学注入对云台稳定视觉跟踪系统的目标切换攻击
提出Banshee声学注入攻击，利用云台声学漏洞诱导摄像头漂移，使无人机跟踪系统切换目标，成功率超93%。
弥合目录与现实差距：基于多阶段对比学习的可扩展商品识别
提出Cat2Real多阶段对比学习框架，将商品识别转为跨域检索，通过困难负样本挖掘实现零样本泛化。
用于AI原生6G的JEPA：预测表示与开放挑战
JEPA通过潜在空间预测表示，实现6G自监督学习，提升标签效率与鲁棒性，面临多时间尺度等挑战。
无声冻结：预测低精度训练何时停止学习
低精度训练中权重更新低于ULP半单位时冻结，可提前预测，无需低精度数据。
当推理损害法律起草：专利权利要求生成中的言语化瓶颈
显式思维链导致信息瓶颈，降低专利权利要求生成质量；隐式思维链更优，因其避免关键细节抽象等三种损害机制。
使用转向解码的大型语言模型幻觉检测
提出转向解码法，主动挑战生成过程提取不确定性特征，高效检测LLM幻觉，性能优于现有方法。
模型教你怎么画：面向统一多模态推理的自适应视觉门控
利用模型内部信号自适应门控视觉生成，避免误导并节省计算，提升多模态推理准确性和效率。
配额市场：通过动态定价实现机器学习训练资源的高效分配
针对需求异质，配额市场通过动态定价实现帕累托有效和最大最小公平分配，已部署于谷歌。
FlashBEV: 快速且内存高效的IO感知精确BEV变换
FlashBEV通过IO感知全融合执行，消除中间张量，实现峰值内存降低超一个数量级并显著加速推理。
一个强大的平衡Softmax分类器再训练基线用于长尾识别
BS-cRT通过微调分类器，在多个长尾数据集上显著提升小样本准确率，增益达5-10个百分点。
清晰直觉还是真正分析？评估LLM作为评委的认知可靠性基准
基于双系统理论构建Kahneman4Review，发现LLM评委决策层级与文本质量不对齐，ICLR评审在LLM普及后出现诊断偏移。
基于自我发现规范的代理式上下文学习
上下文学习需获取分布规范而非仅内容，PSCI方法提取规范并检查修复，性能提升28%。
UNIBROWSE: 面向多模态浏览理解的从数据到智能体框架
提出UniBrowse统一数据流水线，覆盖三种信息流模式，训练35B智能体在多模态浏览基准中平均准确率54.4，超越GPT-5等闭源模型。
CVKD-UDA：面向三维无监督域自适应分割的跨视图知识蒸馏
通过改变体素大小构建域相似表示，利用跨视图知识蒸馏平衡可迁移性与判别性，提升三维无监督域自适应分割性能。
无标签目标域自适应：通过双阶段蒸馏实现无约束事件-图像特征匹配
提出双阶段蒸馏无标签自适应方法，实现事件-图像特征匹配，无需标注或传感器标定，在MVSEC和TUM-VIE上达最优。
大规模人口统计提示：更多属性何时损害LLM与人类一致性
高信号属性1-3个提升一致性，过多则降低；效果取决于属性质量、任务和模型。
TopoExplore：基于存档探索中的拓扑判别
TopoExplore通过拓扑检测封闭区域入口并赋予奖励，加速探索，在复杂场景中优势显著。
MafiaScope：用于社交推理游戏中LLM代理的非侵入式、时间分辨信念探测
提出MafiaScope测试平台，通过私密探测揭示LLM代理信念轨迹，发现校准误差0.17，过度预测被怀疑1.5倍。
ScratNet：基于Swin的多尺度空洞网络与精度优化用于半导体划痕分割
ScratNet融合Swin Transformer与多尺度空洞解码器，实现半导体划痕高精度分割，优于传统方法。
EMBRACE：一种用于卵裂期胚胎综合质量评估的多任务框架
提出EMBRACE多任务深度学习框架，实现碎片分割、发育阶段分类和对称性分级，性能优秀。
TextGaze: 利用文本场景线索引导视线目标估计
提出TextGaze，利用大视觉语言模型作为语义指导，通过跨模态融合和层次文本监督，实现高效视线目标估计，跨数据集泛化强。
UNIT：释放大语言模型在图持续学习中的潜力
微调LLM于首任务，结合不确定锚点与结构融合，解决图持续学习语义结构分离与知识不平衡，实现SOTA。
Who&When Pro：大语言模型真能归因AI智能体失败吗？
提出Who&When Pro基准，含12,326个带标签失败轨迹，实验揭示LLM归因失败模式，为自动归因提供指导。
SMETA-ZSL：面向零样本威胁分类的语义元对齐
SMETA-ZSL通过对比学习、元学习和知识蒸馏对齐语义原型与行为特征，在7个基准上平均提升10.8个百分点。
Eval-Pair矩阵：基于答案配对的大语言模型法官元评估方法，用于基于源文本的检索增强生成
提出Eval-Pair矩阵法评估LLM法官自宽容性，发现配对同模型效应近乎零，强调报告完整矩阵与答案配对效应。
合作博弈的非线性公理归因方法
针对Shapley值线性导致空空间大的缺陷，提出保留必要公理的非线性归因方法，通过最小化优化近似效用函数，提升排序可靠性。
基于数据并行吉布斯采样的非参数贝叶斯逆强化学习
提出狄利克雷过程先验的非参数贝叶斯逆强化学习，自动推断多专家奖励类型，在ObjectWorld网格中准确识别簇数，并行加速达4.79倍。
Anamnesis：一个基于背景故事条件的大规模调查模拟开源平台
开源平台，用大语言模型进行人口可控的调查模拟，通过背景故事条件生成，比标准基线更准确匹配真实数据。
MAG：面向多模态动作与引导生成的Web智能体基准与工具集
提出统一Web智能体动作与引导生成的多模态基准MAG，利用截图定位和GRPO训练，将成功率从6.9%提升至13.2%。
REVA-PO：稳定胸部X光报告生成的强化学习方法
提出REVA-PO框架，通过动态KL正则化和策略重置稳定强化学习，在MIMIC-CXR和IU-Xray上BLEU-4提升5.1%和3.6%，临床指标显著领先。
渐进式树草稿推测解码：解锁自回归语言模型并行性
提出渐进式树草案方法，引导模型单次前向探索多条语义路径，实现2倍解码加速，无需训练且模型无关。
一种用于量化模拟写回和可解释程序执行的符号神经CPU
提出迹监督符号神经CPU，通过量化模拟实现可解释低精度执行，消除数值漂移，并验证操作门监督的必要性。
FlowPainter：基于置信度引导补全的光流内绘
提出FlowPainter，通过置信度引导的软补全生成光流，提升大位移和复杂运动估计的准确性与收敛效率。
AgentAbstain：大语言模型智能体知道何时不行动吗？
首个系统性评估LLM智能体应放弃行动的框架，最佳准确率仅59.5%，且放弃能力与任务解决能力无关。