本文提出ICODE-MPPI框架，利用輸入共伴神經常微分方程（ICODE）學習並補償未建模的殘差動力學，以提升模型預測路徑積分（MPPI）控制在複雜軌跡下的魯棒性。高保真模擬表明，在持續擾動下，與標準MPPI相比，跨跟蹤誤差降低高達69%，控制抖動顯著抑制。

該研究對25種開源語言模型在邊緣硬體上的本地部署進行了系統基準測試，評估了推理效率、通用知識和教學效果三個維度。結果揭示了顯著的權衡：吞吐量和能效在不同模型間差異超過一個數量級，MMLU準確率從接近隨機到57.2%，而教學效果與這兩個指標均無單調相關性。Granite4 Tiny Hybrid (7B) 實現了最佳平衡，達到每秒2.5個token、每焦耳0.90個token和54.6%的MMLU準確率。基於研究結果，提出了一個三層本地推理架構，以在資源受限的硬體上平衡響應性和準確性。

針對組合擴散規劃中的模式平均問題，提出無需訓練的引導方法RCD，利用自重構誤差和重疊一致性項引導取樣，在OGBench任務中表現優異。

自適應機器人在動態環境中面臨諸多不確定性，可能導致安全與執行問題。本文提出RoboULM方法，透過大型語言模型與人機協同，在設計階段系統性地識別、分析不確定性，並給出詳細分類法。16名從業者在4個工業用例中評估，認為該方法實用且易理解。

論文提出了一種基於擴散模型的資料增強管道，用於解決醫學影像分類中的長尾分佈問題。該方法結合修復擴散模型和分佈外後選擇機制，生成多樣化、真實且臨床有意義的合成樣本。在ISIC2019皮膚病變資料集上，尾部類別效能提升超過28%。

Sentinel2Cap是一個包含Sentinel-1 SAR和Sentinel-2多光譜影像的人工標註資料集，用於多模態遙感影像描述。研究使用Qwen3-VL-8B-Instruct模型進行零樣本評測，發現RGB影像表現最佳，SAR影像最具挑戰性，而模態特定的上下文提示可提升效能。

CAFe-DINO模型利用DINOv3骨幹網路，無需在遙感資料上微調即可實現開放詞彙語義分割，在重要遙感資料集上達到最先進效能。

本文提出火中心評估區域（FCER）框架，用於在野火蔓延預測中實現空間條件化的不確定性量化。透過將整合模型與蒸餾單次學生模型在WildfireSpreadTS資料集上比較，學生模型在邊界相關區域展現出與整合模型相當的校準能力和互補的不確定性排名，為操作相關的評估提供了新方向。

在計算病理學中，核例項分割是一項基礎任務，但現有評估方法存在諸多問題。本研究提出NucEval框架，透過處理模糊區域、分數歸一化、重疊例項和邊界不確定性，顯著提升評估的穩健性和準確性。

該方法透過GPU最佳化的資料增強技術，在未見過的CT和MRI域上實現了155%的Dice係數提升，同時域內準確率僅下降0.008%，訓練效率提升約10%。已釋出開源工具箱。

醫學專家常手動分割影像以獲取診斷統計資訊，但隨後丟棄標註。本文提出一種方法，僅利用保留的彙總統計（如區域面積）和少量弱監督畫素訓練分割模型。新的損失函式結合影像重建質量、統計匹配和弱監督訊號重疊，在標準影像、超聲（乳腺癌）和CT（腎腫瘤）資料上驗證了有效性。

研究人員利用結合Segment Anything模型和領域專用工具的複合方法，在類器官影像分割中實現了接近人類水平的準確性，為疾病研究和藥物開發提供了高效工具。

該論文提出VANGUARD框架，將影片異常檢測中的分類、空間定位和鏈式推理統一在單一視覺語言模型中。在UCF-Crime資料集上達到94% ROC-AUC和84% F1，同時提供可解釋的異常事件推理和精確的空間定位。

研究發現，穩定擴散模型中的記憶化問題主要由CLIP文本編碼器的填充嵌入（v_pad）引起。這些嵌入無意中複製了結束標記嵌入（v_eot），導致模型過度依賴該嵌入，從而引發影像記憶。文章提出了兩種簡單的推理時緩解策略，無需降低生成質量。

S^2tory是一個基於敘事學理論的電影指令碼摘要框架，透過角色發展軌跡識別情節核心，過濾衛星事件，實現高效壓縮並保持故事連貫性。在MovieSum和BookSum資料集上取得了領先效能。

稀疏記憶微調（SMF）透過在模型中新增鍵值記憶層，並在每個訓練步驟中僅更新當前批次讀取最頻繁的記憶行，來避免災難性遺忘。在Qwen-2.5-0.5B-Instruct上的實驗顯示，SMF在MedMCQA上提升了2.5個百分點，同時將遺忘探針保持在基線的1個百分點以內，而LoRA和全微調雖然收益更大，但存在明顯的漂移。此外，還比較了KL散度和TF-IDF兩種行選擇規則。

該研究透過測量隱藏狀態與可回答參考集的幾何偏差，在生成前預測查詢是否超出模型知識。實驗表明，幾何主要編碼任務形式：數學提示中，不可回答輸入與可回答質心顯著偏離（ROC-AUC 0.78-0.84），優於簡單拒絕基線；事實提示中無可靠訊號；程式碼提示部分泛化。訊號在早期層出現並漸衰減。

本文探討了從非結構化財報電話會議中提取關鍵績效指標（KPI）的挑戰。研究團隊評估了基於SEC檔案訓練的模型，並提出了三個新基準（SECB、ECB、ECB-A）。他們發現編碼器模型在領域遷移中表現不佳，最終提出了一個基於LLM的系統，經人工評估達到79.7%的精確率，為持續跟蹤新興KPI提供了基線。

提出MedStruct-S基準，用於評估在未知鍵和OCR噪聲下的半結構化資訊提取，包含3,582頁真實臨床報告。實驗表明編碼器-僅模型在非空值條件問答上表現最佳，而微調解碼器-僅模型總體最強。

本研究透過向StockEmotions資料集新增語義結構化的觀點圖，增強了金融情感分析的粒度。使用宣告式LLM流程從StockTwits評論中生成觀點圖，並結合圖神經網路，實驗表明觀點語義能提升分類效能。

開源和商業ASR系統在數字串、貨幣金額、地址、品牌名等特定領域的印度語言語音識別上表現不佳。本文提出TTS-STT飛輪方法，利用開源印度語TTS管道合成約22,000條實體密集的印度語-英語混合語音，在泰盧固語測試集上實現了實體命中率0.98，遠超現有系統的0.027和0.16。程式碼、資料集等已開源釋出。

大型語言模型（LLMs）在涉及否定問題時常常給出錯誤答案，但內部實際擁有正確處理否定的元件。其錯誤源於後期注意力層促進的簡單捷徑，去除這些模組可大幅提高準確性。研究揭示了兩種否定處理機制：抑制相關概念和直接構建否定短語的表示，其中構建機制佔主導。

最新研究發現，儘管推理模型在質疑錯誤假設方面比非推理模型略有改善（準確率提升2-11%），但仍無法挑戰26-42%的錯誤預設，且易受預設表達強度影響。

該研究評估了同模型自驗證作為選擇性預測置信訊號的有效性，發現在不同任務和模型上表現差異顯著，不能作為通用不確定性估計器。

PRISM-CTG是一種新型自監督基礎模型，利用大規模未標註胎心監護（CTG）記錄學習可轉移的領域級表示。它透過多視角自監督學習聯合最佳化三個互補的預訓練目標：隨機投影引導的掩碼訊號重建、臨床變數預測和特徵分類。該模型在7個下游CTG任務中表現優於基線，並在外部驗證中展現出強大的泛化能力，是首個用於CTG的大規模基礎模型。

本文提出ASDAgent框架，透過策略感知的智慧體設計（包括醫生智慧體和兒童智慧體）解決了AI輔助自閉症早期密集行為干預中的資料稀缺和策略一致性難題。實驗表明，該框架生成的對話與人類治療師的策略分佈高度接近（KL散度0.083），在實際干預中與人類專家的策略一致性達80%，並能將專業臨床知識蒸餾到小型語言模型中，顯著提升其治療能力。

研究發現，使用完全良性的資料對防護模型進行微調，可能會使其完全喪失安全對齊能力。這種行為並非透過對抗性操縱，而是源於標準的領域專業化。研究者透過分析三種防護模型（LlamaGuard、WildGuard 和 Granite Guardian）展示了這一失效現象，並揭示了其根源在於潛在安全幾何結構的破壞——即指導分類的有害-良性表徵邊界。Granite Guardian 經歷了完全崩塌，拒絕率從 85% 降至 0%，CKA 降至零，100% 的輸出變得模糊。為了緩解這一問題，研究者提出了 Fisher 加權安全子空間正則化方法，能夠恢復 Granite Guardian 75% 的拒絕率，並將 WildGuard 的攻擊成功率降至 3.6%。

強化學習已成為提升大型語言模型推理能力的關鍵後訓練工具，但推出（rollout）設計常被忽視。本文提出生成-過濾-控制-重放（GFCR）生命週期分類法，將推出管道分解為四個模組化階段，並補充了可靠性、覆蓋率和成本敏感性等評估標準。透過數學、程式碼、多模態推理及智慧體技能等多領域案例驗證框架，並提供常見故障診斷索引，為構建高效、可復現的推出管道提供統一框架。

本文提出一種代理式AI網路最佳化框架，將專家混合（MoE）架構與大語言模型（LLM）相結合，用於未來的6G行動網路。LLM作為語義門，根據操作員目標動態組合最佳化專家，實現從人類可讀意圖到低層資源分配的靈活最佳化。在聯合通訊與計算網路中的應用表明，該框架能夠接近最優效能，並在延遲最小化和吞吐量最大化等目標上優於單個專家。

本研究探討了強化學習與可驗證獎勵（RLVR）中系統性驗證錯誤的影響。透過算術任務實驗發現，系統性假陰性類似於隨機噪聲，而系統性假陽性可能導致次優平臺期甚至效能崩潰。結果挑戰了以往認為錯誤僅會減慢訓練的觀點，強調驗證器質量需超越樣本級錯誤率來理解。