在一项使用10台物理机器人的运输与建图任务中，将完全连接的通信拓扑改为模块化分层交互带来47分的归一化性能提升，而将神经网络隐藏层尺寸加倍仅带来最多9分的提升。该研究提示，在匹配硬件预算下，交互结构可能比单纯扩大模型规模更能改善多机器人协调性能。

本文提出一种隐私保护设计的概念验证流程，将视觉监控的全部AI推理限制在边缘设备上，避免原始图像数据上传云端，从而符合GDPR的数据最小化原则。系统使用YOLOv5n-seg模型在Raspberry Pi 5上配合Hailo-8L加速器进行实时目标检测，随后由本地运行的Phi-3 Mini大语言模型生成自然语言警报，仅传输文本信息。

研究人员提出了一种名为GCSER-UNet的新型深度学习网络，用于从多模态MRI中精确分割脑肿瘤。该网络融合了空间和通道注意力机制，在TCGA LGG和BraTS 2020数据集上分别达到94%和95%/92%/90%的Dice分数，超越了现有最先进方法。

本研究提出了一种面向北极的超高分辨率遥感基础模型，通过多样性感知的区域图像筛选和掩码自编码器（MAE）自监督预训练，在Vision Transformer（ViT）上取得了显著改进。模型在四个北极数据集上相比ImageNet基线提升了5-8%的F1分数，并超越了通用地球观测基础模型Prithvi-EO-2.0，凸显了领域特定预训练的重要性。

Dex2HOI 提出了一种统一的扩散模型，能从文本生成单物体和双物体的人-物交互运动。该模型采用双流扩散架构，每个物体在独立的交互流中处理，并通过双向交叉注意力进行协调。借助运动融合网络、手部相对物体表示和接触感知条件，Dex2HOI 能够以自回归方式生成任意长序列，推理速度比之前的最先进方法快高达 540 倍。

本文提出了一种后处理框架，用于融合原始图像与生成式AI增强图像，在保留感知增强的同时强制结构保真度，有效抑制空间错位、纹理扭曲和内容幻觉。实验表明，该方法在保持像素级结构一致性和输入分辨率的同时，更好地保留了美学质量。

该论文提出DTG-Restore，一种无需训练的框架，通过解耦时间引导（DTG）改进生成式视频超分辨率。DTG在更干净的扩散时间步评估无条件分支，提供前瞻先验以保留几何结构并抑制扭曲内容复制，时间偏置在采样过程中退火，实现从结构校正到细节精炼的过渡。该框架可即插即用地结合现成恢复模块，并引入GenWarp480基准（4,400个480p失真视频）评估对生成错误的鲁棒性。

SANA-Streaming提出了一种系统与算法协同设计的框架，用于在消费级GPU上实现高分辨率实时流式视频编辑。其核心设计包括混合扩散Transformer架构、循环逆向正则化训练策略以及针对NVIDIA Blackwell架构优化的高效系统协同设计。该系统在单张RTX 5090 GPU上实现了1280x704分辨率、24端到端FPS的实时编辑，DiT核心运行速度达58 FPS。

研究人员提出SURGE框架，利用对比InfoNCE目标在共享投影嵌入空间中，将强大教师检测器的关系几何知识迁移到紧凑学生检测器，从而提升轻量级SAR船舶检测性能。该框架架构无关，适用于两阶段、单阶段和基于Transformer的检测器。在SSDD和HRSID基准上的实验表明，两阶段检测器可获得最高6.2 mAP和8.0 AP75的提升，甚至超越教师模型。

研究者提出 CanLegalRAGBench，一个基于真实法律查询和专家标注答案的加拿大法律问答基准，用于评估法律 RAG 系统。评估发现检索性能对设计选择敏感，开源嵌入模型可与闭源模型竞争，但自动评估存在惩罚检索到替代相关文档的局限；生成答案常偏离金标准，8%-29% 的声明未得到检索文档支持。

一项针对孟加拉语文化语境的研究发现，用英语提问会系统性地增加全球替代和机构化框架，减少本地视角覆盖，即使提供本地证据也无法完全消除语言引发的认知偏移。

首个多模态语音识别偏见评估显示，当同一音频与不同面孔配对时，mWhisper-Flamingo和Gemini模型的转录准确率出现显著差异，词错误率最高上升4.05个百分点，且差异与自我声明的性别、族裔及其交叉属性相关。

本研究提出一个基于知识图谱的零样本多标签主题分类框架，系统比较了八种方法（四种基础变体及其图增强版本）在十五个大语言模型和八个数据集上的表现。结果表明，关键词增强分类（AK）是最佳基础方法；图增强对小型模型有正面影响，但对大型模型效果不佳，说明大型模型已从预训练中获得足够的关系信息。自一致性解码未提升性能，但计算成本增加约五倍。

一项新预印本研究利用激活引导探究多语言大模型的比喻性语言能力是否依赖可跨语言复用的内部信号。研究覆盖五种比喻类别、六种语言和四个多语言模型，发现比喻方向在语言内部有效，并能迁移到其他语言，德语尤为敏感；由多语言方向组合而成的引导向量甚至可媲美或超越目标语言自身的方向。

一项新研究以历史宇宙论为受控场景，检验领域适应如何重塑语言模型的解释行为。实验发现，微调主要改变模型生成续写时所处的语言框架（前现代 vs 现代），而地心说或日心说的立场变化是框架转移后的次要结果。

一篇新论文将自主智能体数据工程形式化为一项新任务，让LLM智能体规划、生成并迭代优化跨领域的训练数据，以提升学生模型在专业领域上的性能。实验显示，GPT-5.2构建的训练课程使一个学生模型提升了57.29%。

本文介绍了一个评估ChatGPT生成疾病中心生物医学关联能力的协议，涵盖关联生成、本体验证和文献校验，并引入自一致性策略和基于开源大语言模型的RAG语义验证工作流以暴露幻觉。

本文正式定义了标签排序中的校准概念，开发了涵盖全排序、子排序和top-k排序的层次结构，证明全排序校准蕴含其他但反之不成立，且子排序和top-k校准不可比。实验发现流行标签排序模型校准不佳，且校准与RLHF奖励模型的基准准确性强相关但不完美，揭示了超越top-1准确性的重要质量维度。

现有基准测试大多评估孤立或短期的交互任务，未能测试智能体在长时间跨度内追踪不断变化的分析上下文的能力。为此，研究者提出了LongDS基准，包含68个源自真实Kaggle笔记本的任务，涵盖2255轮交互，涉及六大领域。评估发现，最佳模型平均准确率仅为48.45%，从早期到后期性能下降近47个百分点，长期错误占失败原因的52%-69%。额外步骤不一定提升性能，关键瓶颈在于维持正确的分析状态。

本文提出NumLeak框架，用于检测基础模型对公共数值基准的记忆。顶级LLM能够高精度回忆训练数据中的精确数值，造成虚假的准确性印象。实验表明模型对金融经济数据的相关性高达0.99，但在近期发布的数据上表现骤降。白盒logprob分析比开放式生成更能检测记忆，简单系统提示防御可阻止大多数攻击。

本论文提出了一种名为海事异常检测质量指数（MADQI）的新复合指标，用于无需标记数据即可评估无监督学习模型在海事自动识别系统（AIS）数据中的异常检测性能。该框架整合了四个指标：异常率一致性（ARC）、物理合理性分数（PPS）、分数分布分离度（SDS）和极端案例证据（ECE），并通过多块评估和自适应缩放进行自动归一化。实验显示MADQI得分80.37%，其中ECE和ARC分别达到0.907和1.000，表明该框架在检测极端异常和保持异常率一致性方面表现出色。

提出了一种名为双频谱流匹配（DSFM）的新型fMRI生成框架，通过级联离散小波变换和离散余弦变换捕捉BOLD信号的多尺度瞬态变化和低频能量压缩，再通过频谱流匹配生成类条件余弦频率表示，经逆变换重建生理上可信的时间序列，显著提升了脑网络分类性能。该工作已被ICLR 2026接收，代码已开源。

本文介绍了一种基于径向基函数（RBF）网络的新型大语言模型架构，该架构无需深度神经网络，通过闭式解一次性找到损失函数的全局最优解，消除了繁琐的训练步骤，提高了可解释性和准确性。

一篇新论文让五个大模型分别在错误答案上微调，构造出“诚实版”与“欺骗版”两组对照模型，再用线性探针在其内部表征中检测出可迁移、跨领域的“不诚实方向”。研究表明，这种欺骗表征只需少量监督微调便能迅速固化，对基于激活的监控具有直接意义。

Unicorn（通用相关性网络）是一个用于高维多数据集预训练的框架，核心是潜在原型码本，将相关性建模与具体通道身份解耦，从而学习可跨领域迁移的交互模式，显著提升预测性能，尤其在少样本迁移场景。

研究人员提出了一个深度学习框架Gait2Hip-60，利用LSTM、Transformer和Mamba等模型从步态运动学直接预测髋部肌肉力和关节力矩。在60名健康受试者的基准测试中，Transformer表现最佳，并在零样本测试中对股骨头坏死患者保持中等预测能力。该研究为临床快速评估髋部动态提供了新方法，但需进一步病理验证和泛化改进。

量子计算仍处于含噪声中等规模量子（NISQ）时代，性能受噪声严重制约，需要硬件级功能如中电路测量、经典反馈、精确时序控制和脉冲级波形访问。OpenQASM-3提供了这些接口，但缺乏针对其硬件特性训练大语言模型（LLM）的数据集。为此，研究者推出QASM-Eval，首个全面覆盖OpenQASM-3硬件特性的数据集，包含100个专家验证的测试任务和4000个训练任务，涵盖经典逻辑、时序调度、脉冲控制和复杂工作流，并配有扩展验证器。评估显示，现有LLM在OpenQASM-3编码任务上表现困难，而针对QASM-Eval的微调可显著提升性能。该数据集为NISQ时代硬件级量子编程的可靠LLM助手开发提供了关键基准和训练基础。

MAVEN（模块化智能体验证与执行网络）是一种轻量级符号推理框架，旨在通过结构化分解、自适应工具编排和中间验证来增强智能体在工具调用环境中的泛化能力。在MAVEN-Bench压力测试中，MAVEN将GPT-OSS-120b基础模型的准确率从48%提升至71%，且无需额外训练。该框架在使用开源模型的情况下，成本仅为专有模型的1/10，展现了轻量级验证中心框架在组合推理方面的潜力。

现有AI医疗基准固定了提供者响应，无法评估机制产生的均衡。该研究将医院机制设计重新定义为语言模型的程序合成，通过多智能体模拟器Medi-Sim和进化代码搜索，实现了消除过度编码、减少拒绝并保留大部分资金的可解释混合目标程序。

本文提出三种重根器设计，通过隐式分解任务替代显式子目标生成，显著降低开销，在复杂环境中实现可扩展的搜索与最先进的在线训练效率。