本文提出了一種基於事件相機的可見光通信系統，用於車聯網（V2X）場景。該系統解決了帶寬飽和、多發射器接收和時延表徵三大挑戰。通過採用正事件模式並設計協議抑制事件產生，同時保持通信距離和寬視場角。提出了識別多個發射器的方法，並演示了同時從三個LED接收信號。在真實車輛場景中評估了端到端時延，符合協同感知要求。結果表明，基於事件相機的VLC是對現有V2X技術（如射頻）的可行補充。

本文提出了一種基於增量非線性動態逆（INDI）內環的魯棒增益調度控制器，用於四旋翼姿態控制。利用在線參數辨識在0.5秒內估計所有物理參數，並採用信號基H∞閉環整形合成增益調度級聯姿態控制器。仿真和飛行實驗驗證了該方法在參數不確定性下的良好穩定性和跟蹤性能。

提出一種使用多區域飛行時間傳感器的非接觸式抓取穩定性預測方法，無需抓取物體即可快速分類，速度達15Hz，在2500次真實抓取數據上訓練，驗證集準確率85.5%，測試集86.0%。

本研究提出了一種因果推理框架，使機器人能夠創造性地使用工具，識別適合任務的工具並超越其原始用途。該框架通過動力學模型中的模擬實驗發現工具與任務的因果關係，結合視覺語言模型（VLM）的特徵建議和反事實工具生成，基於因果特徵分類新物體，並通過關鍵點匹配轉移技能。實驗表明，該方法在遠程取物、舀取糖果和墊腳取物等任務中表現更可靠。

該論文提出了一種被動容錯架構，用於多無人機協同吊掛運輸中突然發生纜線斷裂的情況。通過將每個無人機的實測纜線張力直接反饋到其高度推力指令中，無需額外的故障診斷或重新配置。作者在Drake多體仿真中驗證了該方法，表明在五架無人機、10公斤載荷的場景下，系統能在一次擺錘週期內恢復，且均方根誤差僅為0.312-0.328米。

離線軌跡規劃器Track A*在四維時空網格上結合有向無環圖搜索與三項優化技術，實現100%收斂，平均規劃時間比基線A*減少23倍，同時可見性性能幾乎無損。

DexSim2Real是一個集成框架，利用視覺語言基礎模型彌合靈巧操作的仿真到現實差距。它包含三個組件：基礎模型引導的領域隨機化（FM-DR）、觸覺視覺交叉注意力策略（TVCAP）和漸進式技能課程（PSC）。在六個挑戰性任務中，真實世界平均成功率達到78.2%，優於DrEureka和DeXtreme，並將仿真到現實性能差距縮小至僅8.3%。

研究人員提出一種拓撲驅動的多智能體強化學習框架，用於協調軟體機器人在複雜環境中避免纏繞。該框架通過共享拓撲狀態的集中學習和拓撲安全層來評估纏繞風險，在仿真中優於現有深度強化學習方法。

研究人員提出了一種用於多倉庫車輛路徑問題的GPU加速混合算法，融合了學習驅動的交叉操作和多罰函數搜索框架。該方法在大型基準測試中表現出色。

GeoQuery是一種零樣本衞星圖像檢索系統，通過提示對齊的文本代理實現語義搜索，無需完整的對比訓練。在災害查詢中達到31.6%的50公里內精度，已部署於危機響應系統ECHO。

LAMP是一種新穎的框架，用於從以自我為中心的多攝像頭頭戴設備中追蹤3D人體運動。它通過先利用設備6自由度運動和校準將2D關鍵點提升到統一的3D世界參考系，然後使用時空變換器擬合3D運動，從而解耦觀察者和目標運動。在單目基準測試中達到最先進水平，並在以自我為中心的動態場景中顯著優於現有基線方法。

新研究提出使用一致性模型進行3D點雲異常檢測，只需一到兩次網絡評估即可預測無異常幾何，推理速度比現有最先進方法快80倍，且無需GPU加速，適用於無人機、智能工業相機等資源受限的邊緣設備。

Tamaththul3D 是一種專為阿拉伯手語（ArSL）設計的重建管道，能夠從單目視頻生成高保真三維虛擬形象。研究團隊首次為 Ishara-500 沙特手語數據集提供了高質量的三維參數註釋（SMPL-X 參數），涵蓋 500 個文化真實的沙特手語手勢。該管道集成了 SMPLer-X、WiLoR 和 MediaPipe，通過基於運動鏈的手腕對齊、混合擺動-旋轉分解和二維監督關節優化，在手部精度上實現了高達 32% 的提升，同時保持競爭性的身體姿態。這項工作為 ArSL 虛擬形象重建建立了首個全面框架，有助於為阿拉伯聾人社區開發無障礙技術和文化遺產保護。

egenioussBench是一個基於城市級航空3D網格和CityGML LoD2模型的視覺定位基準數據集，提供釐米級精度的智能手機圖像和獨立於地圖的真實值，旨在超越傳統的SfM方法，推動大規模視覺定位研究。

Open-SAT是一種無需訓練、僅在推理時運行的查詢嵌入精化算法，利用大語言模型（LLM）改進用户查詢與衞星圖像內容之間的對齊，在三個公開基準上將F1分數提升高達16.04%，且無需額外訓練或監督。

ViTok-v2 是一種新型視覺Transformer自編碼器，通過原生分辨率支持（NaFlex）和DINOv3感知損失，解決了現有ViT自編碼器在分辨率泛化和穩定擴展方面的侷限。該模型在約20億張圖像上訓練，參數量達50億，是迄今為止最大的圖像自編碼器。ViTok-v2在256p分辨率下達到或超越現有最先進水平，並在512p及以上分辨率顯著優於所有基線。與流匹配生成器聯合擴展時，ViTok-v2進一步推進了重建-生成權衡的帕累託前沿。

本文提出Query2Uncertainty方法，利用DETR風格檢測器的查詢特徵密度進行後處理校準，在分佈偏移下同時優化分類和框迴歸的不確定性估計，在相機和LiDAR檢測器上均超越傳統方法。

提出一種基於反事實解釋（CX）的類導向特徵歸因方法，利用生成對抗網絡（GAN）和循環一致性損失函數，在合成、結核病和BraTS數據集上驗證了有效性。同時提出生成可信反事實實例（CI）的方法和評估技術。

研究人員提出了一種佈局感知表示學習方法，用於開放集身份欺詐檢測。該方法僅使用美國身份證進行訓練，但在加拿大身份證上實現了99.83%的佈局分類準確率，並發現了276個自適應欺詐案例，其中222個未被現有檢測器發現。該方法支持在分佈偏移下進行大規模欺詐發現。

大型語言模型在多輪對話中面臨隱藏惡意意圖的攻擊威脅。攻擊者將惡意目標分散在多個看似無害的輪次中，從而繞過現有安全對齊和防護措施。本研究提出基於輪次的檢測方法TurnGate，通過識別最早使累積交互足以實施惡意行為的輪次來干預，並構建了多輪意圖數據集（MTID）以支持訓練與評估。實驗表明，TurnGate在有害意圖檢測上顯著優於現有基線，同時保持低過度拒絕率，並具備跨領域、攻擊管道和目標模型的泛化能力。

大語言模型（LLM）在生成上下文相關回複方面表現出色，但在多輪對話中，何時發言與説什麼同樣重要。本文提出When2Speak，一個基於真實世界的合成數據集及四階段生成流水線，用於學習羣體交互中的干預時機。該數據集包含超過21.5萬個示例，源自1.6萬場2至6人對話，涵蓋多種風格、語氣和參與者動態。監督微調（SFT）使4B+參數模型的平均Macro F1提升60%，但模型仍過於保守，平均錯過干預率（MIR）為0.50。通過應用非對稱獎勵強化學習，MIR降至0.186–0.218，召回率從0.479提升至0.78–0.81。研究表明，時序參與是一個可訓練的語言智能維度。

研究人員識別並形式化了多模態RAG中的“再次破壞”現象，即添加準確上下文導致模型放棄正確預測。他們提出了BAIR，一種無需參數、推理時框架，可恢復視覺注意力並應用位置懲罰。

一項研究比較了領域訓練的小語言模型Olava Extract與前沿大語言模型在結構化合同提取上的性能。Olava的宏F1為0.812，微F1為0.842，推理成本降低78%至97%，且幻覺更少，挑戰了大型模型的必要性。

一項新研究表明，對擴散語言模型生成的文本進行多次重寫（最多五次）可以有效繞過水印檢測，使檢測率從87.9%降至4.86%。該研究測試了四種開放權重語言模型和五種重寫風格，發現即使單次重寫也能將檢測率降至14%-41%，多次重寫效果更顯著。

ReaComp提出了一種方法，利用編碼代理將少量LLM推理軌跡編譯為可重用的符號程序合成器。這些合成器在測試時無需LLM調用，在多個基準測試上表現優異，甚至超越帶測試時擴展的LLM。它們還能與LLM搜索互補，減少token使用量，並跨領域遷移至歷史語言學任務。

SLAM是一種新型白盒水印方案，通過稀疏自編碼器識別殘差流中編碼語言結構的方向，在生成時因果引導這些方向，從而在不犧牲文本質量的前提下實現100%檢測準確率，質量損失僅為1-2獎勵點，遠低於現有方法。

本文提出一種基於證據的模型，從無查詢數據集中自動生成查詢關鍵詞，用於面向查詢的摘要（QFS）。實驗表明，使用生成的證據查詢獲得的摘要ROUGE評分與使用原始查詢的摘要相當。

一項干預研究探討了學生寫作中反駁論點對批判性思維的作用，並比較了AI與人類評估的一致性。研究涉及36名學生，使用6種標準進行評分，結果顯示學生自寫反駁論點包含邏輯要素，且前沿語言模型可有效評估學生作業，與人類評估高度一致。

AdaGATE是一種無需訓練的證據控制器，將多跳RAG中的證據選擇建模為令牌約束的修復問題。它結合實體中心缺口追蹤、目標微查詢生成和效用選擇機制，平衡覆蓋率、一致性、新穎性、冗餘度和相關性。在HotpotQA上，AdaGATE在乾淨數據和冗餘注入數據上分別達到62.3%和71.2%的證據F1，同時令牌使用量比Adaptive-k少2.6倍。

稀疏自編碼器（SAEs）能有效解耦Transformer中的特徵疊加，但組合式激活控制面臨幾何不穩定性。該論文提出一個高維稀疏錐流形框架，推導出組合塌縮的漸近閾值，並發現ReLU整流會導致類似棘輪效應的干擾積累。在CLEVR數據集上的實驗驗證了這些預測。