本研究微調兩種潛擴散模型（Protogen v3.4和Stable Diffusion v1.4），在精心標註的高解析度烏洛斯紋樣資料集上生成文化一致且新穎的設計。定量評估表明Protogen v3.4在視覺保真度和多樣性上顯著優於Stable Diffusion v1.4，並揭示了保真度-多樣性權衡。推薦引導尺度5-9作為最佳平衡範圍。研究表明，精心微調的生成式AI可在保持風格和象徵完整性的同時支援非物質文化遺產的創意復興。

CoFINN是一種物理資訊深度學習框架，用於預測可壓縮流場，它將有限體積守恆物理直接嵌入訓練過程，優於傳統資料驅動CNN和經典物理資訊方法。在跨聲速翼型流動預測中，可將阻力預測誤差降低高達34%，平均約15%，尤其在資料有限時表現出色。

該論文提出一個統一的深度學習流程，整合語義分割、迴歸嚴重性估計和疾病分類，用於植物病害嚴重性量化。在蘋果葉病害分割資料集上，U-Net（MobileNetV2）達到98.20%畫素精度、0.70 mIoU和99.41%檢測精度，每張影像處理時間僅14.7毫秒，適合即時應用。嚴重性指數與專家標註高度相關（r=0.968），證明了系統在自動化作物監測和決策支援中的可靠性。

本文提出一個結合正則化迴歸、重複交叉驗證R平方及其重取樣標準差、以及信度上限和設計上限的評估框架，用於從文本嵌入預測專案心理測量引數。在數學題庫和醫學執照基準測試中的應用表明，專案難度可高度預測，而區分度和偽猜測引數受限於信度上限而非文本訊號強度。研究強調重複交叉驗證和尺度無關指標的重要性。

該研究分析了多教師同策略蒸餾在工具呼叫場景中導致過度呼叫的問題，並提出Soft Clamp方法，透過逐令牌發散校準減少過度呼叫，同時保持決策準確性。

該研究提出黎曼均值池化（RMP）方法，透過從編碼器的解析雅可比矩陣中提取逐令牌拉回度量，並在對稱正定（SPD）流形上用Fréchet均值聚合，來捕捉句子級分類訊號。在CoLA、CREAK、RTE資料集上，RMP優於歐氏均值池化，而在消除詞彙偽像的FEVER-Symmetric上表現隨機。消融實驗表明，即使隨機初始化的編碼器結合Fréchet聚合也能在多數資料集上超過歐氏池化，表明增益主要來自幾何聚合。

LLM在測試時透過額外計算提升推理能力，但現有方法大多孤立處理每個問題。MILES框架透過逐步擴充套件的模組化記憶單元和可學習選擇頭，實現跨問題的經驗積累，在準確性和效率之間取得更優平衡。

本文提出了一種多因子評分框架，從準確性、簡潔性、事實一致性、可讀性和連貫性五個維度綜合評估大語言模型的響應質量，並配備圖形使用者介面進行結果視覺化。在TruthfulQA資料集上的評估顯示，主流LLM在推理任務中表現突出（綜合得分最高0.6104），但在處理複雜事實和歧義方面存在普遍侷限。該框架透明、可擴充套件，未來將支援多語言評估。

研究表明，大型語言模型（LLMs）系統性地將非裔美國人英語（AAE）改寫為標準美式英語（SAE），即使上下文是AAE。作者提出了一個端到端框架來審計和減輕這種偏見，包括條件方言組不變性（cDGI）和啟用引導技術。他們還發布了最大的真實AAE平行語料庫REAL-AAE。

本研究提出一種基於梯度的通用語音到文本對齊方法，無需訓練或模型修改，適用於任何可微分的自動語音識別（ASR）模型，包括CTC、transducer、注意力編碼器-解碼器和語音大語言模型。該方法在輸入網格上進行對齊，比傳統的編碼器網格更精確。在16個模型上的評估表明，它能提供可用的對齊結果，尤其在流式模型上優於原生對齊，但每個令牌需要一次反向傳播計算。

該論文提出了一種利用強化學習策略梯度方法對Transformer掩碼語言模型進行最佳化，從而自動生成電商廣告標題的方案。該方法透過聯合考慮賣家想要推廣的多個產品來生成標題，並證明在重疊指標和質量稽核上優於現有的Transformer和LSTM+RL方法。稽核表明，模型生成的標題在語法和創意質量上均超過人工提交的標題。

大型語言模型（LLM）在醫學問答基準測試中取得了可喜成果，但受到幻覺和官方指南快速演變的限制。檢索增強生成（RAG）透過將回答基於明確維護的語料庫來降低這些風險，但端到端效能關鍵取決於檢索配置和超越多項選擇格式的評估。研究將PubHealthBench擴充套件為檢索增強設定，系統評估檢索和生成選擇，發現混合檢索持續改進召回率和排序質量，且提供檢索上下文能顯著提高多項選擇準確性。引入基於評分標準的LLM作為評判器評估自由形式回答，並與人工標註進行驗證。

本文提出一種多模態方法，利用自動語音識別和機器翻譯生成文本轉錄，並透過跨模態變壓器整合音訊與多語言文本特徵，顯著提升情感極性分類效能。同時，透過知識蒸餾將多模態模型的能力遷移至純音訊模型，在不增加推理計算開銷的情況下提升其效能。

提出TSF框架，利用大型語言模型構建任務語義場，無需線上LLM推理，透過啟用變數語義提升時間序列預測效能，平均MAE降低6.4%，引數增加僅1.8-3.0k。

該研究探討了注意力機制中得分矩陣的譜特性如何受位置編碼影響。透過分析七個預訓練模型，發現RoPE下的前詞頭具有旋轉譜，而絕對位置編碼和ALiBi則不然。動態分析表明譜特徵在行為之後出現，因果實驗顯示沒有譜通道是必需的，但移除會延遲學習。

Inertia-1是一個完全開源的可穿戴運動基礎模型探索專案，利用超過1820萬小時的加速度計資料，系統研究了資料、模型和訓練選擇對下游任務的影響。在15個資料集上的評估展示了其泛化能力，為可穿戴運動表示學習提供了實用指南。

聯邦學習中標籤偏斜導致客戶端漂移並降低全域性精度。合成資料增強可以緩解這一不平衡，但完全類別平衡需要大量計算成本。本文提出FedEAS策略，根據客戶端本地標籤分佈為每個客戶端分配熵自適應每類生成預算，聯合決定生成數量和樣本分配方向。總生成預算由各客戶端預算動態確定，而非預先固定。FedEAS在減少94.1%生成預算的同時恢復了完全類別平衡的大部分精度增益，在相同總預算下，在CIFAR-10和CIFAR-100上比均勻分配方法效能提升高達18.82%。

STAGformer是一種高效的時空代理圖變換器，透過線性複雜度的兩步代理注意力機制實現全域性建模，在紐約Citi-Bike和芝加哥Divvy-Bike資料集上顯著優於現有方法。

本文提出一種基於深度強化學習的多目標可靠性投資組合最佳化框架（MORP-DRL），聯合最佳化預期收益和下行風險，使用方差、CVaR和EVaR三種風險度量，結合GARCH、極值理論和t-copula建模，在考慮交易成本等約束下，採用PPO策略，在十個全球股指上展現優於NSGA-II的效能。

D2PO（動態直接偏好最佳化）是一個框架，用於最佳化擴散模型的取樣策略，包括時間步排程和無分類器引導權重。它解決了傳統師生迴歸框架中低NFE學生取樣器犧牲高頻紋理保真度的問題，透過偏好對齊和動態偏好機制實現更好的感知質量。實驗表明，在低NFE約束下，D2PO優於常規迴歸排程器。

NEST是一種專門設計的框架，透過兩階段密集MoE架構建模和重組資料集中的演化結構。它首先在矩-熵空間中進行無監督聚類，將資料集劃分為不同的執行機制，然後利用面向機制的路由器機制生成初始專家權重，並透過幾何調變進行最佳化。專家作為專門的核心，捕獲機制特有的動態。在多種基準測試中，NEST取得了最先進的效能。

研究表明，在藥物發現中使用的邊際共形預測在類別不平衡資料集上會嚴重低估少數類的覆蓋機率，而類別條件（Mondrian）共形預測能有效恢復。

TriRoute是一種輕量級的統一控制器，能夠為每個令牌在每一層協調注意力模式、專家選擇和KV快取位寬，從而在相同計算和記憶體預算下超越獨立最佳化方法的效能。

來自arXiv的一項研究指出，現有AI在與人類動態互動中常失敗，原因在於未能量化潛在的社會規範。研究者透過行人-車輛互動實驗，識別出結果可預測性、價值一致性和優勢意識三條規範原則，並將其融入大語言模型，使AI在閉環任務中總分提升近四倍，超過人類間互動43%，為AI更自然融入社會提供了新路徑。

本文提出大型行為模型（LBM），透過統一的人物-環境框架直接從大規模零售交易中學習客戶決策。模型利用歷史購買行為構建客戶狀態，透過檢索增強生成整合產品上下文，並採用持續預訓練、監督微調和基於可驗證獎勵的強化學習進行訓練。在多個零售任務上，LBM顯著優於前沿通用語言模型，並展示了強大的零樣本和微調遷移能力。消融實驗表明，持續預訓練是行為泛化的主要驅動力，檢索在訓練和推理時均應用效果最佳，強化學習能增強對顯式行為證據的依賴。

研究表明，透過最佳化編排層（Harness）而非僅關注模型本身，可顯著降低企業代理型AI的運營成本並提升效率。實驗顯示，使用Writer Agent Harness可使每任務成本降低41%，時間縮短44%，代幣消耗減少38%，且質量保持不變或略有提升。

本研究提出一種ReAct風格的智慧體架構，將LLM推理與SageMath可驗證反饋及Context7最新文件結合，在RealMath基準上評估前沿模型解決研究級數學問題的能力。實驗表明，SageMath訪問平均提升9.7個百分點，縮小了開源與閉源模型的差距。Qwen 3.7-Max受益最大，GPT-5.5達到75.2%的最高解決率。該工作已被ICML 2026第三屆AI for Math研討會接收。

研究者提出了兩種成本效益高的代理架構——探索-定義管道和反思性協調器，在ARC-AGI-1基準上分別達到57.50%和67.25%的pass@2，成本僅為每任務0.25美元和0.62美元，無需基準特定訓練或大量測試時計算。

QANTIS將量子處理器視為一個經過校準的信念更新服務，接收先驗和觀測模型，估計稀有事件證據項，並返回後驗給經典規劃器。本文透過IBM Heron硬體上的老虎POMDP案例研究，檢驗該服務能否在序列決策中重複使用而不破壞後驗。全步固定點放大（FPAA）在8步和12步中保持了後驗，20步和32步控制也在同一工作帶內。所有決策檢查中，硬體後驗與精確貝葉斯後驗選擇了相同的即時動作。

研究人員提出了一個可擴充套件的混合智慧體與語言驅動流行病（HALE）建模框架，利用大型語言模型（LLM）預測智慧體建模（ABM）中的人類決策，並以COVID-19在猶他州鹽湖縣的模擬作為概念驗證。