提出一种拓扑约束量化nnUNet框架，用于高效且解剖学精确的3D牙齿分割。该方法在量化感知训练中引入新型牙齿特异性拓扑损失，保持牙齿数量、邻接关系和空腔完整性等关键解剖结构，同时维持计算效率。采用8位量化nnUNet骨干，通过动态校准最小化推理精度损失。拓扑损失结合连通分量分析、邻接一致性和空洞检测惩罚，确保解剖保真度。实验表明，该方法显著减少拓扑错误，在牙科CBCT扫描上实现临床可行的分割，并保留整数推理的硬件效率，适用于资源受限的临床环境。

本文提出MuCALD-SplitFed，一种结合因果表示学习和潜在扩散的多任务分割联邦学习框架，旨在解决医疗图像分割中跨机构任务不一致和隐私泄露问题。实验表明，该方法在分割性能上持续提升，同时有效减少信息泄露，优于现有先进方法。

一项研究评估了五种多模态大语言模型（MLLMs）在皮肤科的真实世界表现，发现基准测试成绩高估了实际临床能力。在包含5,811例病例和46,405张临床图像的真实医院咨询队列中，最佳开放权重模型的top-3诊断准确率仅为13.35%（仅图像），加入临床背景后提升至28.75%。GPT-4.1表现更好但仍有限：仅图像24.65%，加入背景38.93%。模型对不完整或错误的咨询背景高度敏感。严重程度分诊的敏感性超过60%，但不足以可靠地部署于临床。

研究提出一种自提示框架，使小语言模型能够自动生成、验证和优化实体提取提示。在1200份牙科病历注释上测试，经过DPO后Qwen2.5-14B-Instruct达到micro/macro F1分别为0.864/0.837，表明该方法可扩展用于本地部署的隐私敏感临床信息提取。

大型语言模型在多语言任务中表现优异，但在低资源非洲语言上的翻译能力尚未被系统评估。Nsanku基准测试评估了19个模型对43种加纳语言与英语的零样本翻译性能，发现现有模型在准确性和一致性上均不足，无法大规模可靠使用。

一项研究通过系统实验探究了词汇重叠对多语言神经机器翻译中知识迁移的影响，发现领域匹配和语言关联性比联合词汇表更为重要。

arXiv:2605.04180v1发布了一项研究，提出了MedFabric数据集和EtHER检测器，用于解决医疗大语言模型中的虚构问题。MedFabric通过数据中心管道生成语法和风格一致但事实有细微偏差的词级虚构，而EtHER通过文本到表格分解、词掩码填充和混合句对评估来增强事实一致性。实验结果显示，MedFabric在词级虚构基准测试上比现有最优检测器性能提升超过15%，为医疗领域提供了一套可靠的事实检测框架。

本研究评估了六种大型语言模型（LLM）在尼日利亚和喀麦隆冲突事件分类中的表现，发现开放权重模型存在显著的虚假非法化偏见，而领域适应模型虽在方向上中立，但仍有基于行动者的选择偏见。研究认为当前模型不适合无监督部署，呼吁进行公平性微调、对抗鲁棒性评估和人机协同监督。

一项新研究调查了四种流行的大型语言模型在学术写作中的幻觉现象，引入了新的幻觉指数（HI）来评估模型的准确性。研究发现，不同模型在不同任务上的表现存在差异，幻觉行为不仅取决于模型架构，还与任务类型和提示条件有关。

该团队参与SemEval-2026任务13，旨在检测多种编程语言中由大语言模型生成的代码。他们采用了轻量级特征方法和决策树，仅需CPU即可快速推理，为大型预训练模型提供了高效替代方案。

这项研究采用数据驱动的机器学习方法，分析在线广告中的写作风格和图像模式，以关联匿名账户并识别重复行为，从而帮助执法机构追踪人口贩运等非法网络。研究还提出了负责任使用这些技术的伦理指南。

本文提出自适应幂均值策略优化（APMPO），通过幂均值策略优化（PMPO）和反馈自适应裁剪（FAC）两项创新，解决了现有强化学习方法中静态策略与模型演进能力不匹配的问题。在9个数据集的3类推理任务上，APMPO显著优于现有方法，例如在数学推理基准上比GRPO提升3.0个百分点的Pass@1得分。

本文提出FREIA算法，通过自由能驱动奖励（FER）和自适应优势塑形（AAS）改进了无监督强化学习在大语言模型推理中的表现。在九个数据集上的实验表明，FREIA在数学推理任务中平均超越基线0.5至3.5个Pass@1百分点。

本研究探讨了阿尔茨海默病进展分析中深度生存模型的公平性问题，提出了新的偏见度量指标，揭示了基于性别、种族和教育等敏感属性的显著差异。

EdgeRazor是一种新的轻量级框架，用于在资源受限设备上部署大语言模型。它采用混合精度量化感知蒸馏，在极低比特宽度下实现高压缩比和优越性能，同时训练预算远低于现有方法。

研究发现，大型语言模型（LLM）中的上下文学习任务编码是分布式的，而非集中于单一位置。单位置激活干预在所有28层均无法实现任务迁移，而多位置干预在特定层可实现高达96%的迁移率，支持分布式模板假说。

一种新的前瞻漂移模型通过计算序列漂移项来捕获朝向正样本的高阶梯度信息，在玩具示例和CIFAR10上优于基线方法。

随着深度学习模型规模持续增长，存储需求甚至超过大型数据集。为此，研究人员提出“持续蒸馏”（Continual Distillation, CD）新范式，让一个学生模型依次从多个教师模型学习，且无需保留早期教师。该方法面临教师训练数据不可用和教师专长差异两大挑战。研究表明，外部无标签数据可实现“未见知识迁移”（UKT），使学生获取教师所知但自身训练数据未覆盖的领域知识；同时，顺序蒸馏会导致“未见知识遗忘”（UKF），即后续教师训练时丢失已迁移知识。为权衡UKT与UKF，提出“自外部数据蒸馏”（SE2D），通过保留外部数据上的logits稳定跨异构教师的学习。实验表明，SE2D有效减少UKF并提升跨域泛化能力。代码已开源。

提出MP-ISMoE框架，通过高斯噪声扰动迭代量化（GNP-IQ）降低内存消耗，并利用交互式侧边混合专家（ISMoE）扩展侧边网络能力，在保持参数和内存效率的同时显著提升迁移学习性能。

本文提出SPARK方法，通过显式选择功能因子进行条件编辑，解决LLM辅助神经架构搜索中的功能纠缠问题，在CLRS-DFS上实现28.1倍样本效率提升和22.9%的OOD准确率改进。

该研究提出一种基于参数划分的无监督变换分类方法，通过将单一变换的参数分解为多个分量并施加同态约束，识别正规子群，从而对图像变换（旋转、平移、缩放）进行分类。新方法消除了先前方法所需的辅助假设（如运动和等距限制），具有更广泛的适用性。消融实验表明，群分解约束是驱动正确分类的关键。

MetaAdamW是一种新型优化器，通过自注意力机制动态调整每个参数组的学习率和权重衰减，在五个任务上优于AdamW，最多降低17.11%训练时间或提升11.08%性能。

该研究引入了一种新的分类法，区分标量可约动力学和标量不可约动力学，并证明标量不可约动力学能够通过快慢变量之间的反馈实现内部生成的状态切换，为自主智能系统的开发提供了新途径。

一种名为ADAPTS的新型人工智能框架利用混合智能体大语言模型架构，从临床访谈中自动评估抑郁和焦虑严重程度。该框架将访谈分解为症状特定的推理任务，实现了专家级别的准确性，为可扩展的精神病学评估提供了基础。

一篇立场论文认为，当前的人工智能系统不应被用于同行评审，因为它们存在蜂巢思维效应和易被风格化改写操纵的问题，呼吁建立一门专门的同行评审自动化科学。

Terminus-4B是一种基于Qwen3-4B微调的小语言模型，通过监督微调和强化学习训练，专门用于智能体终端执行任务。实验表明，它能将主智能体的令牌使用量减少约30%，同时在SWE-Bench Pro等基准测试中保持甚至超越Claude Sonnet/Opus/GPT-5.3-Codex等前沿模型的性能。

本文提出一种新颖算法，仅需2-10个成功执行轨迹即可自动学习正确行为，并验证新执行。该方法结合编译器理论中的支配者分析和多模态大语言模型语义理解，使用前缀树接受器构建通用模型，通过多层次等价检测合并轨迹，并通过拓扑子序列匹配验证新执行。实验表明，仅用3个训练轨迹即可高精度检测产品缺陷和假阳性，适用于UI测试、代码生成和机器人流程等领域。

提出一种分类框架，识别团队对话中四种心智模型差异：无依据信念、错误信念、信念矛盾和信息遗漏。实验表明这些差异模式包含预测信号。

该论文提出一种基于程序化上下文增强的LLM进化搜索框架，通过代码与数据集交互，提取丰富信息，超越传统标量评估指标，显著提升符号回归的效率和准确性。

一项新研究揭示了组织在采纳人工智能时普遍失败的根本原因：工人——这些被期望与AI协作的关键角色——在AI的设计和使用决策中往往被忽视。研究者通过对医疗、金融和管理领域专业人士的访谈，提出了调整策略。