基于大语言模型驱动的代码演化的认知Alpha挖掘
提出CogAlpha框架，结合LLM推理与代码进化，扩大搜索空间，在多市场股票数据上实现更优的Alpha发现。
物理信息驱动结构锚定与捕获感知原型校准的跨环境射频指纹识别
提出PISA-CAPC方法，结合物理信息与无标签校准，跨环境RF指纹识别Macro-F1达0.9257。
语义感知与敏感性：探究语义回忆对长上下文代码理解的影响
大模型语义回忆能力在长上下文中严重退化，依赖模式匹配捷径，新任务SemTrace显示准确率下降92.73%。
destroR：在保持语义攻击下针对孟加拉语迁移模型的基准测试与对抗训练防御
提出三种语义保持攻击、基准测试和对抗训练，发现词替换攻击更有效，对抗训练提升鲁棒性，多语言模型更鲁棒。
听特征说话：基于内容嵌入匹配而非信号重构的语音匿名化
提出内容嵌入匹配的语音匿名化模型，避免重构损失，实现低WER(2.53)和良好匿名化(EER 13.39)，情感部分保留。
通过VLAC-CUT引导的流程最大化大规模机器人后训练中的人类效率
提出VLAC-CUT引导的后训练流程，通过角色分工和自动数据筛选，让少量人员监督多机器人，成功率80%-95%，吞吐量提升1.7-4.2倍。
REAL：解读Transformer激活以精确定位语言模型操控模块
REAL框架量化模块行为相关性，精准选择操控模块，平均提升20%效果，且具备零样本泛化能力。
PiCSAR：面向推理链的概率置信度选择与排序
PiCSAR通过联合对数似然评分（分解为推理和答案置信度）选择推理链，无需训练，大幅提升LLM/LRM推理准确性。
BiasLab: 面向LLM偏差测量的多语言双框架框架，应用于职场与HR场景
BiasLab提出多语言双框架，量化LLM输出偏差，发现模型普遍存在不对称方向偏好。
DEER：评估深度研究智能体生成专家报告的基准
DEER基准通过101项评分和声明验证，系统化评估深度研究报告，揭示现有系统结构合理但难满足专家级需求与逻辑完备性。
简单的提示重述绕过谷歌MedGemma-4B安全护栏
研究发现简单重述提示可绕过安全护栏，成功率38%，其中“医学考试”和“医生权威”框架攻击成功率最高，药物相互作用防护薄弱。
暴力狂喜是否终成暴力结局？衡量智能体代码合并后的命运
纵向研究发现，自主代码代理合并后需更多纠错维护，引入更多安全漏洞，且维护负担与低审查率正相关。
基于时空Transformer的高精度无ECG动态冠状动脉路图统一模型
提出统一DRM框架，利用时空Transformer预训练和辅助任务，实现无ECG的高精度相位匹配与导管追踪，适用于实时PCI引导。
TS-Mask VLA: 用于视觉-语言-动作模型的有效桥接的二维时空掩码
TS-Mask VLA提出桥接注意力的离散扩散动作专家和二维时空掩码，在LIBERO达95.7%成功率，CALVIN序列长度4.19。
基于大型多模态模型的环境感知移动性管理
利用多模态模型从RGB-D图像提取环境信息，预测信道容量并做出切换决策，显著提升信道容量。
更多结构，而非更多容量：面向视觉运动模仿学习的以对象为中心的表示
对象中心表示提升模仿学习成功率22.4%，空间目标定位减少近失误差，遮挡是主要瓶颈。
Robo-ValueRL：离线到在线强化学习的可靠价值估计
提出可靠价值估计框架，实验证明其影响策略优化，在精密操作中达86%和84%成功率。
面向AI驱动科学发现的自主科学知识生成框架
提出自主框架，将科学文献转化为结构化知识库，支撑AI驱动的科学发现。
你训练什么就得到什么：音频深度伪造检测中的性别偏见、训练构成与事后缓解
训练数据性别构成决定模型偏见方向，事后校准无法消除性能差距，需从训练阶段解决公平性。
中文标题：多模态自回归视觉建模中的下一密集步长预测
中文摘要：提出DenseAR，用单尺度分词器实现粗到细的步长并行预测，统一处理多模态任务，性能优异。
基于参考值的几何平均成对比较方法——统计视角
用参考值和几何平均计算替代优先级，同时捕捉不一致性与偏好距离，定义直观可解释的质量指标。
自适应模型压缩（AMC）：面向超低功耗Transformer推理的显著性驱动资源分配
提出显著性驱动自适应压缩，动态分配资源，能耗降59.2%，吞吐量升2.24倍，精度仅损3.6%。
LLM驱动的代理推荐系统：面向联网电视内容发现
提出LLM代理推荐系统，融合非结构化信号，采用混合架构克服推理延迟，提升联网电视内容发现效果。
盒中机器学习：分析开源ML项目中的容器化实践
1993个ML Dockerfile实证：容器平均10.27GB，构建耗时8.84分钟，44.4%提交触发重建，71%重建工作冗余，识别7种重构模式。
基于知识的多智能体安全控制推荐框架
提出知识驱动的多智能体安全决策系统，以无遗憾在线学习实现高覆盖率与低资源消耗。
GitHub上MCP实现的大规模数据集
首次大规模收集并验证GitHub上2297个MCP项目，发现Python/TypeScript主导，混合架构最常见。
量子电路视觉：面向量子代码生成的视觉AI智能体的成本感知评估
提出成本感知评估框架，发现中端模型平衡精度与成本，电路深度是失败主因，级联路由策略优化开销。
超越贝叶斯纳什：非对称信息下对抗性团队游戏中的最小最大遗憾均衡学习
提出PR-MRE均衡，在高置信度类型子集最小化最坏遗憾，提升对抗性团队博弈的分布鲁棒性。
面向生产的音效生成评估框架
提出面向生产的评估框架，用于参考引导音效变化，通过两阶段协议与主客观指标发现AudioX平衡最优。
Minionese：多语言大语言模型安全的综合基准与机理研究
提出Minionese越狱基准，发现低资源语言通过几何错位子空间绕过安全对齐，仅英语评估不足。
VINE：驯服强化学习的生成控制策略
VINE通过重构插值状态，稳定端到端值梯度优化流匹配策略，在RL基准和真实机器人任务中优于现有方法。
使用手工MFCC主导声学生物标志物的自发言语无转录轻量级阿尔茨海默病检测
基于176条录音提取MFCC等手工特征，轻量SVM实现平均AUC 0.674，表明无转录声学特征可用于AD筛查。
面向消费级设备的混合CPU-GPU大语言模型推理的自动张量调度
ATSInfer通过张量粒度调度与负载感知动态传输，在消费设备上将LLM推理吞吐量提升最高3.29倍。
通过深度特征锚定的偏好优化打破流式目标说话人提取中的质量-可懂度权衡
提出深度特征锚定DPO，扩大卷积核，打破流式TSE质量-可懂度权衡，可懂度提升10.9%
成熟与新兴经济体中社会公平的可再生能源预算分配MDP策略比较
将公平可再生能源分配建模为MDP，滚动时域策略在美、印尼均最优，市场追逐策略在印尼酿灾难。
源提升流匹配实现可干预多模态模仿
SL-FM通过正交源提升将随机性转化为可干预变量，避免路径交叉，实现多模态控制。
部分契约足够：基于LLM推断的可靠回归验证
首次提出基于部分契约的回归验证，证明调用者充分的契约已足够，检查可靠且无假等价。
从随机到稳定：AI可见性测量中的排名稳定性与结构性充分性
提出顺序收敛框架，以排名稳定性与结构性充分性判断AI可见性测量是否足够，无需预设查询量。
ActiveFly-Bench：面向空中具身感知的视觉-语言-动作与具身问答对齐基准
首个无人机具身感知基准，分解三层主动感知任务，揭示行为规划与视角调整挑战。
程序合成驱动的通用酉算子自动设计
AI程序合成自动发现酉矩阵分解及稀疏优化规则，实现最少MZI并维度无关推广，节省硬件资源。
中文标题：AI在纳米粒子电子显微镜中从图像解释到科学推理的演变
AI将纳米粒子电镜从图像分析升级为科学推理平台，整合多模态数据与自主实验，加速材料发现。
世界模型作为对抗者：多智能体自博弈微调实现鲁棒运动规划
提出AWM框架，将世界模型转为对抗者，通过解耦优化实现多智能体自博弈，提升密集交通场景的鲁棒规划性能。
大语言模型在错误信息生态系统中的滥用、防御与脆弱性
大语言模型把错误信息从内容问题升级为生态系统安全挑战，本文提出角色-层次框架分析攻击、防御与漏洞，并指出三大开放挑战。
约束非确定性：将AI驱动的研究系统视为DBMS，以实现可靠、无浪费、透明和协作的研究 [愿景]
LLM作为编译器而非执行器，通过确定性版本化数据流引擎组织研究，确保可靠、无浪费、透明和协作。
Spatula：探索按需原位界面与交互实现属性控制
提出Spatula系统，自动生成按需原位属性控制界面，支持动态图形迭代，提供直观细粒度交互，并泛化至网页与3D设计。
将大脑动力学建模为端口-哈密顿系统
将运动皮层建模为端口哈密顿系统，通过度规积积分器拟合EEG，实现临界态和锁相恢复。
临时授权，持久效果：LLM智能体的提交时授权
LLM代理提交时授权失效致安全风险，CommitGuard可阻挡过期提交。
基于证据引导推理提示缓解代码异味检测中的大语言模型谄媚偏误
LLM在代码异味检测中谄媚偏误严重，证据引导推理提示(EGDP)将决策翻转率降至12%，假对齐率降至21%。
Motif：发现并自动化个人网页工作流程
Motif系统通过被动观察浏览器活动，自动发现可编程的交互模式并推荐给用户，生成程序，发现模式多于用户自识且实用。
中文标题：何时限制编码代理仅用execute_code有帮助？机制×代理设计消融实验
中文摘要：限制代理仅用execute_code在多数场景更便宜，但效果取决于任务和代理设计，成本差异在缓存调整成本而非通过率。