ELAN4D是一個面向機器人操作的訓練框架，通過預測未來機器人關鍵點軌跡為VLA模型提供時空監督，無需額外追蹤器或重建。它採用即插即用的輔助分支，在推理時丟棄，僅依靠前向運動學計算。實驗表明，該方法在多種擾動下均顯著提升基線模型性能。

本文提出了一種結合監督式神經全局規劃器和學習型DWA局部規劃器的室內移動機器人導航框架。全局規劃器通過成本感知的A*專家軌跡訓練，局部規劃器採用行為克隆初始訓練後經PPO強化學習優化。在仿真和真實環境中的實驗表明，該方法能夠生成可行的全局路徑和可靠的局部運動指令，實現安全的避障導航。源代碼將公開發布。

本研究通過10個實體機器人的搬運與地圖構建任務，發現將全連接通信拓撲改為模塊化層次結構可使歸一化性能提升47分（0-100分），而將神經網絡隱藏層大小加倍最多僅提升9分。嵌套混合效應模型比較顯示拓撲結構對模型擬合的改善遠大於規模擴展。結果在獨立SMAC模擬中得到驗證，但異構基準重分析僅提供次要一致性支持。性能在隱藏單元超過1024時出現飽和（基於模擬校準外推）。這表明在所測試的系統和任務中，交互結構可主導性能提升，但更廣泛的定量泛化仍需驗證。

該論文提出了一種隱私優先的視覺監控流水線，所有推理均在邊緣設備上完成。使用YOLOv5n-seg模型在樹莓派5上通過Hailo-8L加速器進行實時目標檢測，原始像素緩衝區在推理後立即丟棄。狀態觸發引擎將最小JSON事件載荷發送至本地運行的Phi-3 Mini大語言模型，生成自然語言警報。整個過程無圖像數據跨越網絡邊界，符合GDPR數據最小化原則。

研究人員提出了一種名為GCSER-UNet的新型深度學習網絡，用於從多模態MRI中精確分割腦腫瘤。該網絡融合了空間和通道注意力機制，在TCGA LGG和BraTS 2020數據集上分別達到94%和95%/92%/90%的Dice分數，超越了現有最先進方法。

本研究提出了一種面向北極的超高分辨率遙感基礎模型，通過多樣性感知的區域圖像篩選和掩碼自編碼器（MAE）自監督預訓練，在Vision Transformer（ViT）上取得了顯著改進。模型在四個北極數據集上相比ImageNet基線提升了5-8%的F1分數，並超越了通用地球觀測基礎模型Prithvi-EO-2.0，凸顯了領域特定預訓練的重要性。

Dex2HOI是一種統一的擴散模型，能夠從文本生成單對象和雙對象的人-物交互（HOI）動作。它採用雙流擴散方法，通過雙向交叉注意力協調雙手操作兩個物體，並引入運動融合網絡和手部相對物體表示，實現實時生成任意長度序列，推理速度相比先前最先進方法提升540倍。

本文提出了一種後處理框架，用於融合原始圖像與生成式AI增強圖像，在保留感知增強的同時強制結構保真度，有效抑制空間錯位、紋理扭曲和內容幻覺。實驗表明，該方法在保持像素級結構一致性和輸入分辨率的同時，更好地保留了美學質量。

本文提出DTG-Restore，一種無需訓練的視頻超分辨率框架，通過解耦時間引導（DTG）來利用視頻擴散模型先驗，增強扭曲和低分辨率視頻。該方法在更乾淨的擴散時間步評估無條件分支，提供前瞻先驗，保留幾何結構同時抑制扭曲內容的複製。與任何現成的恢復模塊即插即用，提升了感知連貫性和結構合理性。同時發佈了包含4400個扭曲480p視頻的GenWarp480基準測試，專注於生成式退化如扭曲面部、身體錯位等。實驗表明，該方法在不需重新訓練的情況下顯著提高了結構保真度和時間穩定性。

SANA-Streaming是一個系統-算法協同設計的框架，用於在消費級GPU上進行高分辨率實時流式視頻編輯。它採用混合擴散變壓器架構、循環反向正則化訓練策略和高效系統協同設計，在RTX 5090上實現1280x704分辨率24 FPS的實時編輯。實驗表明，該方法在時間一致性和系統吞吐量上顯著優於現有技術。

本文提出SURGE框架，通過對比InfoNCE損失在共享嵌入空間中遷移教師檢測器的關係幾何知識，實現輕量級SAR艦船檢測。該架構無關的方法在SSDD和HRSID基準上使兩級檢測器提升6.2 mAP和8.0 AP75，甚至超越教師性能。

本文介紹了CanLegalRAGBench，一個基於真實查詢和專家註釋的加拿大法律QA基準，用於評估檢索增強生成系統。研究表明，檢索性能對設計選擇敏感，開源嵌入模型與閉源模型競爭力相當，但自動評估存在侷限性，生成答案常出現幻覺或偏離正確答案。該基準旨在推動法律RAG系統的改進。

本研究探討大型語言模型（LLM）在跨語言知識接口中的文化偏差問題，提出了“全球敍事主導”概念，並通過孟加拉語數據集CulturalNB的測試，發現英語提問會系統性地增加全球替代和制度框架，減少本地視角覆蓋。本地證據能改善事實一致性，但無法消除語言引發的認知偏移。這一發現表明，LLM的文化失敗不僅是知識缺失，更是根基缺失和敍事優先級的問題。該研究為開發更具文化包容性的AI系統提供了重要理論基礎。

一項最新研究首次系統評估了多模態語音識別中的偏見問題。研究發現，當不同面孔與相同音頻配對時，模型的轉錄準確率出現顯著差異，尤其是涉及性別和種族交叉時，詞錯誤率最高可差4.05個百分點。這表明，增加模態並非一定提升性能，反而可能引入新的偏見。

本研究提出一個基於知識圖譜的零樣本多標籤主題分類框架，系統比較了八種方法（四種基礎變體及其圖增強版本）在十五個大語言模型和八個數據集上的表現。結果表明，關鍵詞增強分類（AK）是最佳基礎方法；圖增強對小型模型有正面影響，但對大型模型效果不佳，説明大型模型已從預訓練中獲得足夠的關係信息。自一致性解碼未提升性能，但計算成本增加約五倍。

該研究探索了多語言大模型中比喻語言生成的內部信號是否跨語言可複用。通過激活引導，從一種語言的比喻-字面激活差異中估計方向並應用於生成。實驗證明這些方向在同語言內可靠引導，且可跨語言遷移，其中德語最易接受。多語言組合的方向可匹敵或超越目標語言自身方向。

一項新研究通過歷史宇宙學對照實驗，探究了領域適應如何重塑語言模型的解釋行為。研究分為兩個階段：第一階段從頭訓練小型模型於前哥白尼語料庫；第二階段使用QLoRA微調大型預訓練模型。結果發現，領域適應主要改變了模型的解釋框架（前現代與現代），而非直接調整宇宙觀立場。這表明，立場的變化是框架轉變的副產品。

大型語言模型在通用任務上表現出色，但難以適應專業領域。本文提出自主代理數據工程任務，讓LLM作為自主數據工程師，通過端到端數據策劃驅動模型專業化。實驗表明，GPT-5.2通過迭代代理驅動的數據適應，將學生模型性能提升57.29%。

本文提出了一種評估ChatGPT生成疾病相關生物醫學關聯能力的協議。該協議概述瞭如何生成關聯、利用生物醫學本體驗證生物實體以及通過文獻驗證關聯。協議包含跨ChatGPT模型的自一致性策略以評估生成可靠性，並通過檢索增強生成（RAG）結合開源大語言模型實現語義驗證，從而揭示幻覺現象。

本文正式定義了標籤排序中的校準概念，開發了涵蓋全排序、子排序和top-k排序的層次結構，證明全排序校準藴含其他但反之不成立，且子排序和top-k校準不可比。實驗發現流行標籤排序模型校準不佳，且校準與RLHF獎勵模型的基準準確性強相關但不完美，揭示了超越top-1準確性的重要質量維度。

現有基準測試大多評估孤立或短期的交互任務，未能測試智能體在長時間跨度內追蹤不斷變化的分析上下文的能力。為此，研究者提出了LongDS基準，包含68個源自真實Kaggle筆記本的任務，涵蓋2255輪交互，涉及六大領域。評估發現，最佳模型平均準確率僅為48.45%，從早期到後期性能下降近47個百分點，長期錯誤佔失敗原因的52%-69%。額外步驟不一定提升性能，關鍵瓶頸在於維持正確的分析狀態。

本文提出NumLeak框架，用於檢測基礎模型對公共數值基準的記憶。頂級LLM能夠高精度回憶訓練數據中的精確數值，造成虛假的準確性印象。實驗表明模型對金融經濟數據的相關性高達0.99，但在近期發佈的數據上表現驟降。白盒logprob分析比開放式生成更能檢測記憶，簡單系統提示防禦可阻止大多數攻擊。

本論文提出了一種名為海事異常檢測質量指數（MADQI）的新複合指標，用於無需標記數據即可評估無監督學習模型在海事自動識別系統（AIS）數據中的異常檢測性能。該框架整合了四個指標：異常率一致性（ARC）、物理合理性分數（PPS）、分數分佈分離度（SDS）和極端案例證據（ECE），並通過多塊評估和自適應縮放進行自動歸一化。實驗顯示MADQI得分80.37%，其中ECE和ARC分別達到0.907和1.000，表明該框架在檢測極端異常和保持異常率一致性方面表現出色。

提出了一種名為雙頻譜流匹配（DSFM）的新型fMRI生成框架，通過級聯離散小波變換和離散餘弦變換捕捉BOLD信號的多尺度瞬態變化和低頻能量壓縮，再通過頻譜流匹配生成類條件餘弦頻率表示，經逆變換重建生理上可信的時間序列，顯著提升了腦網絡分類性能。該工作已被ICLR 2026接收，代碼已開源。

本文介紹了一種基於徑向基函數（RBF）網絡的新型大語言模型架構，該架構無需深度神經網絡，通過閉式解一次性找到損失函數的全局最優解，消除了繁瑣的訓練步驟，提高了可解釋性和準確性。

本研究通過五種Transformer模型的LoRA微調，引入了一種多模型範式來研究合成欺騙。線性探針能在早期層以接近完美的AUC檢測欺騙，且邏輯迴歸探針優於MLP，支持線性表示假説。跨領域泛化能力強，但不同模型表現出不同的表示退化模式。研究表明，通過適度的監督微調可以快速鞏固魯棒的、領域不變的欺騙表示，對激活監測有重要影響。

Unicorn框架通過潛在原型碼本解耦通道相關性與特定身份，實現跨異構數據集的可擴展預訓練，在少樣本遷移場景中顯著優於現有方法。

研究人員提出了一個深度學習框架Gait2Hip-60，利用LSTM、Transformer和Mamba等模型從步態運動學直接預測髖部肌肉力和關節力矩。在60名健康受試者的基準測試中，Transformer表現最佳，並在零樣本測試中對股骨頭壞死患者保持中等預測能力。該研究為臨牀快速評估髖部動態提供了新方法，但需進一步病理驗證和泛化改進。

量子計算仍處於含噪聲中等規模量子（NISQ）時代，性能受噪聲嚴重製約，需要硬件級功能如中電路測量、經典反饋、精確時序控制和脈衝級波形訪問。OpenQASM-3提供了這些接口，但缺乏針對其硬件特性訓練大語言模型（LLM）的數據集。為此，研究者推出QASM-Eval，首個全面覆蓋OpenQASM-3硬件特性的數據集，包含100個專家驗證的測試任務和4000個訓練任務，涵蓋經典邏輯、時序調度、脈衝控制和複雜工作流，並配有擴展驗證器。評估顯示，現有LLM在OpenQASM-3編碼任務上表現困難，而針對QASM-Eval的微調可顯著提升性能。該數據集為NISQ時代硬件級量子編程的可靠LLM助手開發提供了關鍵基準和訓練基礎。

MAVEN（模塊化智能體驗證與執行網絡）是一種輕量級符號推理框架，旨在通過結構化分解、自適應工具編排和中間驗證來增強智能體在工具調用環境中的泛化能力。在MAVEN-Bench壓力測試中，MAVEN將GPT-OSS-120b基礎模型的準確率從48%提升至71%，且無需額外訓練。該框架在使用開源模型的情況下，成本僅為專有模型的1/10，展現了輕量級驗證中心框架在組合推理方面的潛力。