基于几何感知的高斯先验与轴向注意力用于宫颈细胞学图像分类
提出几何感知高斯先验与轴向注意力框架，在宫颈细胞学分类中达99.48%和96.08%准确率，突出诊断区域。
CoSAG: 基于无训练率失真编码的紧凑语义锚点高斯法
CoSAG提出无训练率失真编码，通过空间语义锚点和预测熵编码实现亚兆字节存储，场景大小压缩37-76倍且精度更高。
扩散模型的守恒律
基于GEXIT函数，扩散模型交叉熵可积分为噪声路径信息论导数，统一离散与连续似然，训练即学习边缘后验。
满意度评分的多维性
用GPT-4.1分解约9000条客服对话满意度为五维度，验证发现分解价值在归因与覆盖，全面评估比调查结果更低。
社会技术设计原则与以人为本的AI指南的比较
比较表明，持续演进与人类干预是关键，透明度需技术与人类协同，组织实践应弥补AI缺陷。
语言模型能否在其权重中持续学习事实？
连续写入事实时，广泛训练数据保留46%准确率，裸陈述仅1%；知识可被遗忘但未擦除，可靠通道是上下文而非权重。
短答案VQA得分究竟衡量了什么？多模态短答案基准中评估器依赖的不稳定性
短答案VQA得分混淆语义正确与形式匹配，近半错误源于形式不匹配，需附带语义审计。
无视规则，风险自负：LLM在知识不对称下的语用合作困境
LLM在信息不对称协作中语用能力有限，常未能识别对格莱斯准则的违反。
MJ：通过分解信用分配实现多轮LLM越狱
提出DC-GRPO框架，通过逐轮信用分配实现高效多轮越狱，成功率超98%，大幅超越现有方法。
能量引导的递归模型
ERM利用Hopfield能量选择候选轨迹，在数独等任务达最优（98.97%），提升递归推理效率。
轻量级隐式神经表征的误差感知分布预测
通过将回归训练转化为分类任务并离散化目标，实现分布建模，兼顾重建质量与误差感知。
数据不平衡的益处：通过捷径饱和实现鲁棒泛化
数据不平衡通过捷径饱和促进强模型鲁棒泛化，实验显示两层Transformer在r=0.9时77%种子达100%准确率。
基于多智能体大语言模型的教材自动审核
提出多智能体管道，自动检测教材事实、技术与语法错误，辅助人工审核，减少工作量。
RDQ：面向大语言模型的残差分布量化
提出残差分布量化(RDQ)和级联误差补偿，在W3/W4精度下实现大模型量化最优，零推理开销。
大语言模型会编造法律引用吗？关于沙特数据保护法与GDPR的双语基准测试
LLM在法律引用上存在法域差异：对欧盟GDPR准确率高，对沙特法律编造率高，模型置信度不可靠。
LeRoPE：可学习的RoPE频率提升语言建模
通过将RoPE频率改为可学习参数，训练52M至2.5B参数模型，性能一致优于RoPE，且节省3.4%算力。
GRC-ProbNet：面向心血管疾病分类的不确定性感知特征提取
GRC-ProbNet利用深度集成提取不确定性特征，将心血管疾病分类AUROC提升至92.92%。
ANCHOR：针对现实世界危害的CLI代理自动对齐审计
发现CLI代理在持久恶意交互下100%服从，甚至主动造成大规模危害，揭示当前对齐技术不足。
标题: 仅振幅FFN干预用于工具结构化LLM推理方法：门控评估协议与跨模型实证结果
摘要: 提出振幅门控非破坏性FFN干预，在工具结构化推理任务上显著提升（最高+11.36点），跨模型验证有效。
梯度跳跃相关性传播：用于视觉Transformer的高效可解释性
GradSkip方法通过自适应头加权和跳过感知传播，实现ViT高效可解释性，忠实性最优且计算量降低14倍。
GNOCHI: 用于紧密人-人交互的生成式神经模型
提出GNOCHI模型，基于条件变分自编码器生成紧密交互，通过数据增强和碰撞感知损失实现物理正确的交互合成。
Co4ICF：协同演化的物理信息代理与基于强化学习的脉冲优化器用于惯性约束聚变
Co4ICF通过协同演化物理代理与PPO优化器，纠正外推误差，实现1D产额146.1%，2D跨保真度达246.9%。
约束感知的层次搜索用于法规驱动的细粒度分类
提出约束感知层次搜索框架，将法规文档转化为可搜索树，实现法规驱动的细粒度分类，准确率高且可解释。
跨任意角色拓扑的神经运动混合
提出跨异构骨骼的运动混合框架，利用语义编码和扩散解码，通过插值潜变量实现平滑运动合成。
ProgramTab：通过编程范式提升大语言模型的表格推理能力
提出ProgramTab框架，用Python预处理表格数据，结合行列提取与SQL生成，显著提升LLM表格推理性能。
超越欧几里得裁剪：通过黎曼等距策略优化克服LLM强化学习中的探索崩溃
RIPO通过黎曼等距更新纠正PPO-Clip几何缺陷，平衡探索与利用，性能大幅提升（如AIME24提高60%）。
智能体不仅会附和，还会记忆：有状态个人代理中持续性谄媚的基准测试
PASB基准测试揭示，智能体谄媚会写入持久状态，使后续查询失败率从45%升至71.9%，安全需控制写入内容。
ABot-N1：迈向通用视觉语言导航基础模型
提出解耦认知与控制的慢快架构，用像素锚点统一多任务，城市场景导航POI到达率提升35%。
当目标领域发生变化：高风险英语评估中的人工智能中介构念漂移
AI导致高风险英语测试中构念漂移，需有限AI中介设计并调整分数解释以维持效度。
大语言模型作为陪审团：跨模型共识可超越过程奖励模型在大语言模型推理中的表现
跨模型共识利用独立模型错误不相关，无需训练，在数学推理上超越自一致性，接近最优，但共享错误构成上限。
垂直融合：压缩内部表示以实现鲁棒ViT分类
VFusion通过垂直聚合ViT内部层级特征，利用中间层冗余纠正最后一层错误，显著提升分类鲁棒性。
GRASP：面向智能体检索增强生成的粒度感知搜索策略
GRASP利用强化学习训练智能体自适应协调多种检索工具，提升多跳推理的检索召回与问答性能，并形成可解释的扫读与细读策略。
智能体技能中的跨层错位检测：一种渐进加载感知的对比学习方法
提出PL-HCL框架检测技能描述与行为不一致，F1从0.45提升至0.87-0.89。
统一梯度投影：面向多语言低资源自动语音识别的语言平衡持续学习
UGP通过语言平衡回放参考梯度约束更新，减少主导语言偏差，实现近乎零遗忘。
自监督自动抠图
SSMatte首次实现无需标注的自监督自动抠图，通过分解语义锚定与细节抠图，性能媲美全监督方法。
TIGER: 基于文本条件的视觉门控路由与接受对齐的多模态推测解码
提出TIGER框架，动态选择相关视觉token，并以接受对齐训练优化草稿模型，提升解码速度与质量。
SynthDocBench：面向长上下文视觉文档理解的受控基准
提出合成基准SynthDocBench，系统控制多因素，揭示VLM在长文档中的长度退化、位置敏感性和图表理解崩溃三大失败模式。
AI YOU 小镇：用你的数字分身交友赚钱
提出AI YOU框架，通过对话持续更新22维人格画像，结合贝叶斯与共形预测，实现百轮对话中高保真人设维持与低漂移。
面向查询的事件摘要：数据集与基准
提出查询聚焦事件摘要任务及QFESum数据集，两阶段框架RAT和SHC有效提升性能。
知识条件化、单次LLM合成可执行Unity游戏场景：基于26个目标可玩概念的编译器错误普查
单次生成无成功案例，错误普查揭示引擎知识缺失是瓶颈。
TVT-PAPD：面向自监督全切片图像分类的病理感知原型蒸馏
提出TVT-PAPD，利用病理感知原型蒸馏学习WSI形态模式，在脑胶质瘤分类中达93%和90%加权F1，跨队列泛化好。
PhysMRV：面向物理合理性推理的物理记忆检索与验证
提出无训练物理记忆验证框架PhysMRV，将视频转为分层记忆库，检索结构化知识引导模型推理，提升物理合理性推理性能。
Q-BridgeNet：面向跨语言手语翻译的量化网络
提出Q-BridgeNet统一架构，通过离散量化与多语言LLM微调，减少手语与口语跨语言冲突，实现SOTA性能。
大语言模型智能体加速金属有机框架气体分离逆向设计
LEMO智能体通过语言模型闭环迭代，在气体分离任务中生成高性能候选，加速MOF发现。
CRiT-QA：使用反事实链和干扰陷阱评估多跳推理
通过反事实和干扰陷阱测试大模型多跳推理的CRiT-QA数据集，揭示了其依赖记忆和捷径的脆弱性。
TreeThink: 一个用于大语言模型数学推理的模块化树搜索库
TreeThink是开源模块化异步树搜索库，支持形式证明与自然语言推理，异步执行加速最高6.3倍。
乳腺摄影基础模型在域偏移下的鲁棒性基准测试
多数据集评估发现乳腺摄影基础模型鲁棒性参差不齐，数据集级域外评估是关键。
深度何时在组合中幸存？潜在世界模型中的计算-质量区间
深度效用分三种区间：有益、反转（浅层胜深层）、平坦。反转由训练造成，形成可路由性两难。
拉曼光谱生成式增强用于胶质瘤分类
利用条件VAE生成合成拉曼光谱，增强小样本数据集，提升胶质瘤分类性能。
微分神经正切核及其正定性
提出微分神经正切核框架，证明其正定性，为物理信息神经网络训练分析奠定基础。