U-CFR是一種新型互動式影像分割框架，透過在推理過程中自主生成內部偽點選來自我糾正，減少使用者所需點選次數。該方法引入邊界感知的不確定性分數，融合分割不確定性、輪廓梯度和顯式邊緣預測，引導偽點選放置在模糊邊界區域。雙頭網路包括分割頭和邊緣頭，透過級聯精煉步驟逐步最佳化掩膜。在標準資料集上，U-CFR將挑戰性資料集（如Berkeley）所需的點選次數減少10%以上。

該研究提出了一種隱私保護的肺CT切片合成框架，結合最優傳輸條件流匹配與幾何過濾後處理，在ImageCLEFmed GANs 2026挑戰中取得PPS 0.549和FID 0.3290的成績，但患者重識別問題依然存在。

本研究提出一種空間錨定概念瓶頸模型（SG-CBM），透過粗粒度病變分割作為弱監督，引導模型關注解剖學相關的區域，從而提高乳腺超聲診斷的可解釋性和可信度。在五折交叉驗證中，SG-CBM顯著提升了診斷AUROC和概念宏AUROC，並增強了概念證據的空間對齊。論文還透過Train-corrupt/Test-clean壓力測試，量化了標註質量對診斷和空間忠實度的影響，強調了資料質量意識監督設計和系統可信度驗證的重要性。

ODeform是一種基於神經常微分方程的新方法，用於對可變形物體在3D空間中的連續4D動態進行建模。它將3D點雲和物理條件對映到統一潛在空間，透過求解常微分方程實現連續形變建模，無需離散時間步長，同時保持計算效率。實驗表明，該方法在未見過的物理引數配置上提高了運動預測精度，併成功遷移到真實3D物體的新形狀上。

Axolotl3D提出了一種多模態、遮擋感知的3D生成模型，能夠聯合處理影像、可見性掩模、相機引數和部分點雲，實現可靠的3D形狀補全。實驗表明，在乾淨和遮擋場景下均達到最優效能。

該論文提出了一種新的自監督預訓練任務——掩碼拓撲建模（MTM），利用B-Rep表示中特有的面鄰接圖結構，透過掩碼部分邊並預測其凸性和曲線型別來學習特徵。結合MoCo對比學習和BFS連線的面區域掩碼重建目標，在ABC資料集和新的過程生成資料集上預訓練，在多個基準測試中表現出色。

RealVDeblur是一種高效的生成框架，透過基於3D高斯潑濺的物理模糊合成管道生成逼真訓練資料，並利用影片擴散先驗和一步式擴散蒸餾，實現真實世界影片去模糊。該方法在未知影片上展現出強感知質量、語義保真度和時間一致性，並提升了嚴重運動模糊下下游3D重建的魯棒性。

隨著語言模型引數規模持續增長，有效的模型壓縮成為降低計算和記憶體開銷的必要手段。現有壓縮方法在提高壓縮率時會出現效能嚴重下降的瓶頸問題。該論文首次從數學上證明低秩分解與量化並非正交，二者結合會導致顯著的效能損失，並提出了一種名為“對角粘附方法”（DAM）的新技術，能夠有效結合這兩種方法並緩解效能損失。

知識編輯是替代重新訓練的一種重要方法，但常導致數學與程式設計推理能力嚴重退化。Moir透過從模型自身的解碼分佈中取樣來估計保持協方差，無需外部資料，在多個模型和編輯方法下顯著提升了脆弱領域的能力保持。

一篇立場論文認為，儘管LLM的進步引發了自然語言可完全取代程式語言等形式語言的斷言，但自然語言本質上是為開放性上下文的欠規範而最佳化的。作者引入了“任務特異性”框架，證明了“特異性交叉定理”，並透過影像生成、程式碼合成和音訊製作等案例研究展示：自然語言在低特異性任務中表現出色，而形式語言在要求嚴格的任務中更具優勢。結論是兩者互補，應發展混合系統。

AlphaAgent是一種技能驅動的代理框架，透過明確的技能合約將基於檢索的問答與論文級報告生成分離。在40個材料科學問題的盲評中，AlphaAgent顯著優於基線系統，尤其在機制解釋和可信度邊界意識方面表現突出。

LLM-INSTRUCT系統在2026年ArgMining的UZH共享任務中獲勝，專注於聯合國和聯合國教科文組織決議的段落級論點挖掘。該系統透過後設資料感知的密集檢索縮小候選標籤空間，應用帶維度上限的約束解碼，對不確定案例使用三智慧體辯論分支，並驗證輸出模式。官方排行榜上總體第一，F1第一，LLM作為評判第五。開發中進一步將Task 1b Micro-F1從35.83%提升至40.08%。主要經驗：生成前縮小決策空間可提高準確性和提交穩健性。

一項新研究透過因子實驗挑戰了關於大型語言模型觀點多樣性的常見假設。研究顯示，增加人物細節並不能單調提升多樣性，不同互動架構探索非重疊的意見區域，組合多種架構比最佳化單一架構更有效。低成本方法如提高取樣溫度和新增多樣性指令效果甚微。

本研究評估了一種檢索增強、多智慧體、大語言模型驅動且包含人工稽核的框架，用於從臨床筆記中檢測皮膚免疫相關不良事件（cirAEs）。與人工稽核相比，該框架將準確率（F1）從0.77提升至0.88，Cohen's kappa係數從0.50提高至0.82，並將平均稽核時間縮短約一半。該框架展示了LLM在跨器官系統識別免疫相關毒性方面的應用潛力，並有望實現準確、可擴充套件且透明的不良事件資料提取。

一項新研究揭示了混合專家（MoE）大型語言模型中的路由機制遵循類似哈夫曼編碼的原理，其中常見標記由稀疏專家處理，而罕見覆雜任務則啟用高多樣性專家委員會。論文提出了頻率-多樣性定律，識別了某些模型中的冗餘陷阱，並提出了子集差異剪枝以提高效率。

現有的大語言模型（LLM）幻覺緩解方法難以改變模型內部知識或泛化能力差。對比解碼利用層間差異減輕幻覺，但之前僅研究Transformer模型。本研究針對混合專家（MoE）模型，發現共享專家MoE中不存在層間差異，但高層專家在事實與幻覺輸出中啟用模式不同。據此提出EAACD方法，透過專家感知自適應對比解碼，將高層專家分為高可靠組和低可靠組，對比預測並放大低可靠組的幻覺作為負參考，有效減輕QA任務幻覺，在四個資料集上超越基線方法。

本研究透過兩個實驗探討了具備推理能力的大語言模型如何評估文學質量。實驗一使用30篇涵蓋六個質量等級的真實文本構建基準，提取模型的隱含質量理論，發現其重視意圖性、技巧、深度和獨特聲音，而非正確性。實驗二透過對五篇經典散文進行系統降級處理，發現詞彙簡化對質量影響最小，而結構和聲音的損失最大。研究結果表明，大語言模型對寫作質量的判斷是整體性的、與作者相關的，且對結構特徵比詞彙特徵更敏感，對自動寫作反饋和計算美學具有啟示意義。

本文提出了一種不確定性感知的信任估計方法，用於多LLM系統聚合，透過模仿決策理論中的結構化專家判斷，採用Cooke對數加權來校準各LLM的可信度，實驗表明在異構和汙染場景下該方法優於傳統聚合方式。

一項預註冊實驗檢驗了Gemma 2 2B模型中活躍稀疏自編碼器（SAE）特徵平面是否集中更多和樂（holonomy），結果發現活躍特徵平面的和樂實際低於混合特徵控制組，推翻了原假設。研究強調結果為操作性反轉，而非因果結論，原因仍待探索。

本文提出生成式貝葉斯濾波（GBF），一種利用預訓練條件生成模型（CVAE）替代傳統簡單觀測模型的狀態估計框架。GBF透過貝葉斯預測-更新遞迴，將測量更新轉化為後驗取樣問題，並進一步轉化為基於分數的取樣，從而繼承生成模型的靈活性和整合的不確定性量化能力。實驗表明，GBF在合成資料和真實應用（如製造系統監測和心律失常診斷）中提高了狀態估計的準確性和魯棒性。

該研究透過軌跡-讀取視角分析迴圈變壓器的自適應深度問題，發現固定先驗深度監督能產生難度感知軌跡，且簡單的後驗置信度讀取器常優於學習門控。實驗表明，聯合門訓練導致的軌跡問題是效能瓶頸，而非門控表達能力不足。

本文提出多模態CoLRAG-TF，一種四軸融合架構，整合密集文本嵌入、BM25關鍵詞匹配、知識圖譜三元組過濾和影像相似度，用於複雜PDF的魯棒檢索。系統在43份日本災難教訓PDF上構建了2403個塊的多模態索引，並提取11414個OpenIE三元組以支援組合推理。貝葉斯最佳化顯示三元組軸必須佔主導（α=0.44）以抵消詞彙偏差。在457對基準上，檢索召回率達到0.9909，多跳答案相似度比單跳提高71.6%。

一項新研究將基於大規模語言模型的閉環通道配置搜尋擴充套件到每輪250個候選網路，驗證了最佳化行為的可轉移性，並發現了架構規律。

Muon最佳化器在模算術任務上比AdamW更快達到「頓悟」的現象曾被歸因於譜範數約束加正交化動量。本研究透過多種子多學習率掃描，系統分解並壓力測試各成分，發現加速完全來自正交化（Newton-Schulz迭代）。正交化最佳化器在約3倍更低的譜範數下泛化，並收斂到更低範數的解。減少Newton-Schulz迭代次數雖能加速但會降低解的魯棒性。研究還強調，在穩定性感知指標下，「更快」的宣告可能反轉，需同時報告首次穿越和持續頓悟時間。

研究發現，語言模型在填充必填欄位（如JSON欄位）時會大幅增加虛構內容。即使模型在自由文本中能誠實回答，必填欄位也會導致虛構，且大多數模型無法透過“證據不足”選項或直接指令避免。基準測試PhantomFill揭示了這一問題，並提供了確定性評分。

DataPrep-Bench是首個統一基準，聯合評估大語言模型在資料構建和資料質量評估兩個互補能力上的表現，涵蓋六個領域和多種基礎模型。該基準引入了Data-Construction-Skill智慧體和Distributional Alignment Score (DAS)評估指標，在多個領域取得了領先結果。

本文提出了一種基於貝葉斯說服框架的LLM個性化能力評估方法，併發布了SDR-Bench資料集。實驗表明，當前最先進的LLM在個性化任務上存在一致性的效能瓶頸，無法顯著區分成功與失敗的銷售推廣。

PlanE提出一個規劃框架，透過資料分解、指令調優和提示推理來構建高效的抽取式LLM，並引入DTI規劃器自動選擇最優的基礎模型及其組合，實驗驗證了其有效性和泛化能力。

大型語言模型（LLM）透過一組引數處理多種任務，但在KV快取推理下，解碼時是否存在任務通用的結構尚不明確。本文提出DecodeShare協議，識別解碼時隱藏狀態中跨任務共享的低維子空間，並透過僅解碼時移除該子空間來測試其因果作用。實驗表明，干擾該共享子空間對決策效能的影響遠大於干擾預填充或隨機子空間。進一步，該解碼共享子空間對啟用引導有實際影響：常見引導方向可能與任務通用解碼通道重疊。投影出共享子空間可直接分離兩個元件的功能角色，而解碼時評估引導向量比基於預填充的代理能提供更可靠的訊號。儘管緊湊，共享子空間可作為解碼時的高槓杆因果通道。

InferenceBench是一個新的基準測試，旨在評估AI智慧體在開放式LLM推理最佳化中的能力。智慧體需在兩小時內最佳化目標LLM的推理速度，涉及預填充延遲、解碼延遲和併發吞吐量等場景。測試顯示，智慧體雖能超越基線，但往往收斂於單一框架，未能充分探索多樣化策略，表明瓶頸在於配置多樣性而非領域知識。