本文系統綜述了ROS2中間件，提出了空間、時間和狀態三個維度來分析其架構侷限，尤其在動態無線環境下的權衡。

本文提出一種基於視覺語言模型（VLM）的適應性羣體陪伴方法，使機器人能夠跟隨動態變化的人類羣體。該方法利用VLM的語義推理能力推斷同伴位置、保持社交距離並理解羣體動態，結合模型預測路徑積分（MPPI）控制器確保穩定性和安全性。實驗表明，該方法在成功率上提升15%，碰撞率降低25%，用户研究認為其陪伴行為自然且符合社交規範。

本文提出WaveLander，一種基於強化學習的分層控制框架，用於解決無人機在波浪擾動海洋平台上的自主着陸難題。該框架將垂直着陸決策與低層飛行穩定控制解耦，強化學習策略輸出垂直速度參考，傳統控制器保持姿態和橫向跟蹤。仿真表明，WaveLander在隨機波浪擾動下具有魯棒性和泛化能力。

研究人員提出了一種名為“Sign in the Air to Unlock”的空中籤名界面，利用點體素交叉注意力網絡（PV-Net）在虛擬現實和增強現實環境中實現自然、安全且無縫的身份認證。該方法避免了傳統密碼、PIN及設備登錄對沉浸體驗的破壞，也無需專用傳感器。在DeepAirSig數據集上等錯誤率為2.5%，在Meta Quest 2上收集的ImmAirSig數據集上分類準確率達76%。該工作展示了三維行為認證在沉浸式環境中的巨大潛力。

提出一種基於圖的概念瓶頸模型G-CBM，通過無監督概念發現和圖注意力網絡實現內在可解釋性，在多項基準上提升AUC。

本研究探索使用YOLOv10計算機視覺框架自動檢測相機陷阱視頻中的棕吼猴（Alouatta guariba），以監測樹冠橋的使用情況，減少保護主義者人工審查假陽性圖像的時間，從而提升保護工作效率。

本文探討如何通過增強目標辨別、魯棒適應和幾何推理能力，縮小機器視覺跟蹤系統與人類視覺感知之間的差距。

多主體個性化圖像生成要求模型根據提示精確渲染所有參考身份及其交互，但現有模型常遺漏主體、改變外觀或誤分配交互。現有指標主要針對單主體保真度，在多主體場景下排序分離性和人類對齊能力嚴重下降。為此，研究者提出MIBE統一框架，包含多主體交互基準（MIB）和多主體交互評估器（MIE）。MIB通過解耦數據策略系統覆蓋多樣關係類型和場景複雜度，包含60K對VLM標記的銀標集和4K對雙盲人工評估金標集。MIE是一個輕量級、參考條件的評估器，僅在銀標集上訓練，採用雙頭排序與診斷目標，在金標集上實現了0.922的整體成對準確率，證明診斷監督能保持排序分離性和人類對齊。

MapDreamer是一種生成式擴散模型，能從單張航空圖像直接合成帶有顯式拓撲結構的車道級向量地圖。它利用變分自編碼器學習車道中心線和拓撲關係的緊湊潛表示，並通過基於Transformer的潛擴散模型預測圖結構。為了對齊生成地圖與觀測場景，每個去噪步驟通過交叉注意力注入密集的航空特徵。針對場景中車道數量的變化，提出了車道基數模塊和背景幽靈潛變量，防止擴散過程中的插槽坍縮。此外，滑動窗口全局圖聚合策略將局部瓦片拼接成城市級地圖，同時通過編碼的車道邊界保持連通性。在源自Argoverse 2的UrbanLaneGraph上的實驗表明，其幾何和拓撲保真度優於非生成式基線。

本文提出一種輸入感知的可擴展專家模塊，通過輸入感知專家選擇和時空選擇機制，增強對相似外觀身份的細粒度特徵提取，在視頻人物重識別任務上取得優異性能。

KathaTrace是一種與生成器無關的協議，用於診斷視覺敍事中的語義軌跡崩潰，即場景間語義連接丟失。研究者構建了KathaBench-25K數據集，包含5000個經典敍事，定義了語義軌跡差距（STG）指標。實驗顯示現有生成器的STG高達23.5±1.3。Semantic Compass利用KathaTrace信號進行後生成修復，改善故事板選擇。

提出CPG-PAD框架，通過模型級概念引導的提示學習提升呈現攻擊檢測的跨域泛化能力。利用可解釋AI自動發現攻擊相關視覺概念，並注入提示空間，在九個基準數據集上取得最先進性能。

AnchorSplat是一種全新的3D原生細化範式，直接在3D結構上運行，避免了傳統3D-2D-3D管線的昂貴優化開銷。它通過點錨機制保證幾何一致性，並用單次乘法替代迭代加密，無需原始多視圖圖像。實驗表明，其吞吐量比優化方法快10^5倍，且在多種數據分佈上具有魯棒的零樣本泛化能力。

TurnNat是一個基於似然的框架，用於自動評估雙人對話中的話輪轉換自然性。它通過因果預測模型計算未來語音活動的負對數似然來量化時序異常，並在擾動基準上驗證了有效性。

RuleChef是一個利用大語言模型（LLM）為自然語言處理任務（如文本分類、命名實體識別、關係抽取）生成可執行規則的框架。它基於任務描述和標註示例生成規則，並通過額外示例和人類反饋迭代改進。LLM僅在訓練階段使用，最終產生快速、確定且可檢查的規則系統。初步評估在分類和NER任務上進行，並開源發佈。

Office Comprehension Bench (OCB) 是首個公開基準，用於評估大型語言模型在Word、Excel和PowerPoint原生文件格式上的理解能力。它包括兩個測試軌道：文件保真度問答和領域問答。即使最先進的系統在默認推理模式下也僅達到約59.3%的準確率，提升思考深度效果有限，而升級產品層級能帶來適度改善。研究團隊已發佈數據集、評估工具和排行榜。

研究人員提出RAGP，一種新的提示壓縮方法，將文本建模為多重圖，並利用萊維遊走進行高效剪枝。在LongBench上以4倍壓縮比平均得分49.3，優於現有基於LLM的方法。

該論文揭示了基於計數的F1指標在評估LLM錯誤檢測時可能因提示框架而產生顯著虛高（稱為F1膨脹），並引入ErrorBench壓力測試協議。實驗表明，錨定提示可導致高達0.79的F1膨脹，建議評估應避免預置錯誤計數並報告跨度感知指標。

最新研究發現，BPE分詞會將安全關鍵詞拆分為子詞單元，導致大語言模型的安全對齊機制失效。攻擊方法可在80-100%的拒絕提示上翻轉首個令牌的拒絕觸發，其中48%產生有害輸出。防禦嘗試中，DPO無法穩定關閉攻擊成功率，SFT雖然有效但導致全局拒絕率上升。研究引入了Conv-Benign診斷方法以區分選擇性修復與全局崩潰。

本文提出SPARCLE，一種説話人感知的字母表示模型，通過對比學習將字母與對應的Wav2Vec2聲學表示對齊，同時考慮説話人身份。該模型可在低資源場景下替代傳統的音素到文本（G2P）系統，將詞錯誤率降低一半。

本文提出Kara，一種滑動窗口KV緩存壓縮方法，通過僅在最近生成的上下文上操作並進行解碼時壓縮，利用雙向注意力機制評分和選擇信息性KV對，並設計Token2Chunk模塊靈活保留重要語義信息。實驗表明，Kara和基於vLLM的推理框架KvLLM顯著降低了KV緩存內存使用並提高了輸出吞吐量。

本文提出一種基於溯源分析的框架，用於檢測大型語言模型代理在調用工具時是否與用户意圖對齊。研究者開發的ProvenanceGuard流水線在工具執行前分析三種類型的對齊偏差，在Agent-SafetyBench和WorkBench基準測試中，將錯誤率從42.9%降至1.8%和從32.1%降至17.3%，同時將對齊軌跡的干預負擔從30.5%降至12.8%。

TokenScope 是一款面向解碼器型 LLM 的交互式可解釋性工具，能在代碼生成過程中提供詞元級度量、注意力模式和結構信息，支持詞元替換、反事實分支和基於抽象語法樹的代碼感知聚合。

本文提出了一種利用圖像和事故報告等多模態數據進行鐵路道口安全評估的AI系統原型，通過視覺語言模型實現風險分類和安全評分，性能接近專家水平。

研究提出NightVision攻擊，即使在僅返回單個logit且無法偏置logit的受限API下，也能以較低誤差率推斷大型語言模型的隱藏維度、深度和參數數量。

趙志林的新專著提出了一個統一的、面向證明的現代深度學習理論，連接了經典的近似、優化和泛化與現代主題如過參數化、Transformer、上下文學習、縮放定律和湧現。

研究人員提出了一種結合稀疏隨機投影和多項邏輯迴歸的機器學習方法，用於DNA甲基化數據的中樞神經系統腫瘤分類。在參考隊列中達到96%準確率，在獨立臨牀隊列中達到86%（91類）和93%（家族級），較現有技術提升4-5個百分點，具有臨牀意義。

IonSense-QKG 為公共鋰離子電池數據集添加量子相關元數據，並引入量子就緒評分，幫助研究者選擇適用於混合量子-經典機器學習的數據庫。該框架支持基於查詢的發現，為數據驅動的量子電池分析提供可復現的基礎。

本研究系統刻畫了多探針網格算法在高維空間中的性能，發現其在GloVe嵌入上表現出獨特的維度縮放交叉現象，與其他方法相比具有恆定維度指數、近線性查詢縮放和更低索引成本的優勢，對高效Transformer架構設計具有指導意義。

本文提出一種基於領域知識的圖卷積網絡方法，通過引入PRQST關鍵點作為領域知識，並利用雙流有向圖建模心電週期內和週期間的複雜關係。在首屆中國心電圖智能競賽數據集上，該方法整體平均F1分數達88.1%，罕見類別平均F1分數為76.3%，均優於現有最先進模型。