研究团队发布了首个十亿参数级的胸部X光生成基础模型，在120万张影像上训练，能可控合成跨人群、视图和病理的图像，其逼真度经临床专家评估达到与真实X光无法区分的水平。

本文提出自我函数向量（self-function vectors）方法，基于贝叶斯视角与上下文学习的机制可解释性，直接从模型内部表示估计偶然不确定性，避免依赖脆弱的输入或解码操作。作者还建立了首个严格评估协议，通过控制数据操作精确量化偶然不确定性并与认知不确定性分离，在合成任务和真实数据集上验证了该方法优于现有替代方案，并可应用于幻觉检测等可信应用。

一项ACL 2026综述系统梳理了35种手语的120个数据集，指出模态失衡、标注粒度不一和手语者偏差等关键问题，并提出24字段数据表模板和公开GitHub仓库以推动标准化。

提出LUCID方法，结合注意力分数、知识图谱语义和结构信息，通过图神经网络检测LLM在知识图谱推理中的幻觉，在九个数据集上达到最先进性能。

研究者提出因果归因剪枝（CAP），一种无需训练的方法：通过在小型推理校准集上前向屏蔽注意力头、测量性能下降来估算每个头的因果贡献，并据此对权重进行细粒度剪枝。在 Llama-3-8B-Instruct 与 Mistral-7B-Instruct 上、GSM8K、StrategyQA 与 ARC-Challenge 三个基准的实验中，10%–20% 中等稀疏度下 CAP 多数配置优于 Wanda，ARC-Challenge 上相对准确率提升最高达 61%；但 50% 高稀疏度时受限于粗粒度的 MLP 归因。

本文系统分析了扩散大语言模型（dLLM）中上下文学习（ICL）的查询位置偏差，发现查询位置是与示例语义质量同等重要的一阶变量，并提出无需训练的Auto-ICL策略自适应优化查询放置，显著提升生成质量。

一项新研究针对LLM在硬件设计中的错误提出分类法，揭示在VerilogEval基准上准确率上限为90.8%，由不可解功能错误导致。对齐技术仅教会模型编译，而非推理。

一项针对七个大型语言模型的研究发现，在阿拉伯语上微调后，模型对闪米特语系语言的零样本阅读理解提升并不是语言亲缘性带来的迁移效应，而是任务格式对齐的结果。

本研究探讨使用Google的Gemini和Gemma大型语言模型（LLM）自动检测PubMed中报告EQ-5D数据的文献。提出一个多阶段框架，整合少量样本提示、权重集成和软堆叠元分类器。在专家标记的数据集上评估了9个LLM，其中gemini-2.5-pro、gemma-3-12b和gemma-3-27b的加权集成获得了0.74的加权F1分数和0.74的准确率，优于单个模型。集成方法提高了精确率与召回率的平衡，软堆叠方法提供了更高的可靠性和可解释性。结果表明，基于集成的LLM设置是自动化生物医学研究筛选的可靠且可扩展的方法。

研究者提出cAPM，一种用于室性心动过速消融中起搏标测的持续学习AI框架。它通过任务无关的替代神经网络、主动学习策略和持续学习策略，将既往起搏标测数据中的知识迁移到新目标，从而大幅减少所需起搏位点数量。在计算机模拟测试中，cAPM以4.5个起搏位点达到81%的临床容差内定位概率，而现有最优主动学习方法需要13.7个位点仅达到38%。

强化学习自我对弈虽能以低成本训练自动驾驶策略，但易产生与人类驾驶习惯不符的“异类”行为。新方法将少量人类演示（仅30分钟）作为正则化目标，结合最小安全目标奖励，训练出的策略能与人类轨迹协调，训练时间仅15小时（单GPU），数据量仅为模仿学习的1/2500。

一篇新论文提出将多变量零膨胀高斯（ZIG）分布用作估计分布算法（EDA）的采样律，使稀疏模式与活跃参数值能够联合优化，从而无需手工设计的稀疏算子。在 Lunar Lander 基准上，ZIG-EDA 收敛更快、最终回报更高，且仅需极小比例的活跃参数。

本文基于两参数Weibull框架，研究AdamW训练中权重尺度参数λ先增长、超调后松弛的现象，提出三力分解（对齐力、注入力、衰减力），并在Pythia-70M上验证对齐力主导上升阶段，贡献88-94%的力预算；同时提出样条位移法从稀疏检查点恢复对齐力，精度达92-94%。

信息格学习（ILL）通过交替投影信号到分区格并提升所选规则，学习可解释的信号规则。当信号为概率质量函数时，ILL学习的概率规则具有自然的概率图模型解释。分区诱导确定性商变量，规则即该商变量的边际分布。规则集是抽象概念上的边际约束集合。一般提升是满足约束的所有联合分布的可行族，而特殊提升选择最大无知重建，通过L2均匀性原理实现，与最大熵密切相关。在香农熵提升下，相同约束产生对数线性因子图，其因子由学习到的抽象概念索引。信息格本身不是贝叶斯网络，其边编码抽象概念的细化与粗化，而非条件依赖。因此，ILL应被视为可解释的基于约束的商变量因子图的结构学习。

本文分析了用于3D MRI合成的扩散模型Med-DDPM在NVIDIA三代GPU架构上的性能瓶颈，并提出了TF32 Tensor Core和3D channels-last布局两种优化方法，实现了高达100倍的性能提升且不降低合成质量。

SPSD是一种在边缘设备上使用4位量化小语言模型对用户提示进行蒸馏压缩的流程，旨在减少云端LLM预填充阶段的能耗。实验表明，在248条提示上平均每次节省99.9个输入token，且响应质量在预设的非劣效性边界内不劣于原始路径。安全关键领域通过规则门控保守地绕过压缩。

论文提出Guard框架，将多教师蒸馏重构为实例级决策过程，通过上下文路由器和不确定性门控温度机制，从分布不匹配的时间序列基础模型中提取知识，训练适用于边缘部署的轻量级科学预测器，在气象、碳通量、土壤湿度和能源网格四个领域显著降低RMSE。

arXiv 论文《Computational Identifiability》提出“计算可识别性”框架，用有限的、依赖计算的搜索过程来定义可识别性，取代依赖渐近性质和无限数据的理论可识别性，并在小样本、图形判据模糊、观测与干预混合数据以及反事实估计量等场景中验证其实际价值。

本研究提出一种基于提示的不确定性分解方法，将动作信心与请求不确定性分离，使大语言模型代理能在任务规范模糊时主动请求澄清。作者引入两个新基准（WebShop-Clarification和ALFWorld-Clarification），其中50%的任务故意未明确指定，并在五个大型语言模型上评估该方法。结果表明，所提分解方法在澄清F1分数上显著优于现有方法。

本文提出积分变换网络（ITNet），通过一个可学习的积分核统一了卷积、自注意力和自回归循环三种架构。ITNet使用小型神经网络实现核函数，能够从数据中自适应行为，并在多个基准任务上达到或超越专用模型。

Martin Kolář 在 arXiv 发表的预印本提出"涌现式对齐"：为 LLM 增加一个"良心"自查步骤——它引用自身的一个冻结副本，在训练中通过 DPO 加入对齐损失，使模型在训练、微调、对抗性提示和零样本场景下持续避开不道德输出。该论文在同样的代码黑客场景下复现了此前"涌现式错位"的相反结果，但已被 ICML 2026 拒稿。

REVEAL++ 提出了一种连续的、可微分的表型分组方法，用于视觉-语言视网膜模型，以改进阿尔茨海默病的早期预测。该方法在 UK Biobank 数据上优于离散分组基线。论文已被 MICCAI 2026 接收。

一项研究比较Qwen 2.5 7B与XGBoost在临床表格预测任务上的表现，发现LLM口头表达的置信度几乎恒定且与准确率无关，存在“逆难度效应”，而结合少样本示例与SHAP特征证据可大幅降低归因分歧并提升准确率，跨模型校准器还能显著降低预期校准误差。

DeXposure-Claw是一个基于预测的代理监督系统，旨在解决通用LLM代理在去中心化金融风险监督中的不足。它通过图形时间序列基础模型预测风险网络，结合确定性监控和压力情景生成警报，并利用数据健康和置信度门控减少误报。此外，还开发了DeXposure-Bench评估套件，通过六轴评估（包括决策轴）衡量系统性能。实验基于五年周度真实数据，验证了系统的有效性。

本文提出了一种新的动态系统模型，用于解释多智能体LLM商议如何通过每个智能体的隐藏内部信念（锚点）影响群体决策。该模型揭示了经典共识规则无法解释的现象：智能体对正确答案的置信度可能超越初始信念的凸包范围。通过三个开源模型家族的实验，作者发现锚点的影响强度相近，但位置差异决定了商议是否能突破初始意见的限制。

本文对八种最先进的扩散语言模型（DLM）在推理、编码、翻译、知识和结构化问题解决等八个基准上进行了系统实验分析，同时考虑了生成质量和计算效率。研究发现，DLM的行为受生成时设计选择（如去噪步骤、上下文长度、块大小和平行解掩码策略）的强烈影响，导致性能与计算效率之间存在不同的权衡。该研究为当代DLM的能力和部署特性提供了实用见解。

该论文提出一种人机协同的流程，用于衡量计算机科学本科项目对国际课程指南的覆盖情况，并纵向应用于同一认证项目对CS2013和CS2023的对比。研究发现，项目对两版指南的覆盖率均约50%，但CS2023下达到推荐认知深度的比例（76%）低于CS2013（95%），反映出新指南更高的期望而非项目退步。

该论文提出 AgenticRei，一种基于 Rei 框架、用 OWL 表达并由 LLM 之外的高性能逻辑引擎在运行时评估的道义政策方案，以补齐当前策略引擎无法处理的义务、豁免、冲突消解与本体推理等企业治理需求。

Sqim是一款新工具，允许开发者无需VPN或Tailscale，直接从Codex、Claude Code等编码代理将iOS应用构建安装到iPhone上。它通过Homebrew安装CLI工具，并提供一个构建仪表板方便重新访问之前构建。

作者尝试使用本地模型构建一个翻译管道，通过规划、执行、批评和修复循环来处理大型韩语到英语的翻译，但最终未能显著提高质量，并等待更好的模型的到来。