推荐理由：这篇论文用系统非线性生成图像，数据极少也能做故障诊断，还在铁路受电弓上验证了，搞工业AI的可以看看。

推荐理由：自动驾驶新框架Lagrange用掩码潜在场和VLM处理开放世界异常，比密集模型更高效，在nuScenes和CODA上表现不错。

推荐理由：这篇论文教你用ViT给学生的科学画图自动打分，还能判断哪些该机器批、哪些该人看，很适合做教育评估的参考。

推荐理由：这篇论文通过具体案例展示了如何让编辑参与对齐LLM，帮助公共知识机构保持编辑标准，实操性强且有启发性。

推荐理由：这篇论文发现AI在尼日利亚话语中常误解真实意图，他们设计的MIF框架让Gemini 2.5 Flash的注册识别准确率从33%跳到73%，成果很实在。

推荐理由：这篇论文发现VLA模型很多层是冗余的，用他们的方法可以白嫖50%层数，微调快一半，推理快30%，效果不降。搞机器人微调的可以试试。

推荐理由：这篇论文提出了MACR，能帮LLM自己判断知识是否可靠并解决矛盾，比过去的方法强不少，还能解释冲突。

推荐理由：SPOT-E这个新方法挺有意思，它不重训模型，只在推理时搞了个视觉聚光灯和熵整形，就让VLM在那些需要细看局部证据的任务上表现好多了。尤其用GRPO调优，效果提升还挺稳定。

推荐理由：想测你的LLM论文搜索智能体？ScholarQuest 给了1000多个主题和4种意图的标准测试，最强方法才0.314召回，你的能提多少？

推荐理由：一篇理论论文，用热力学把智能测量变成可量化的事——递归自模拟不仅是特征，还是必要条件。适合想从原理上理解智能本质的人。

推荐理由：这篇论文提出了一个更好的推理测试方法QMFOL，能精细控制逻辑难度，用来测LLM推理能力更准。

推荐理由：这篇论文介绍了一种让AI自动评判并优化3D生成质量的方法，不用人工打标签。它把VLM评委从打分变成训练的一部分，在特定类别（家具）上达到了和强基线持平的效果，但说明了简单微调还不够。

推荐理由：这篇论文用Qwen2.5-7B做了个四路对比，发现微调加检索混合方案在法条引用上精确匹配0.481还零幻觉，比纯微调或纯检索都强，而且用轻量bge-small就够用。

推荐理由：这篇论文给了一个能应对不确定性干扰的Q-learning方法，在系统和疫情模型上都试过了，效果不错。

推荐理由：这篇论文提出了一个新方法，用神经网络从宏基因组数据预测土壤微生物参数，还能在小样本下保持准确，搞生态模拟或AI交叉的可以看看。

推荐理由：这篇论文很硬核：用一个固定 RNN 就能逼近任意连续函数，运行越长越准，像图灵机一样。

推荐理由：这篇论文提出用模型驱动和遗传算法自动生成RL环境变体，省去手写大量相似环境的麻烦，野火场景验证过，做课程学习的可以看看。

推荐理由：这篇论文从物理学角度拆解深度学习的统计特性，解释了神经缩放定律如何打破经典统计直觉，做研究的值得看看。

推荐理由：SLiR让验证任意激活函数变得简单，比现有方法多验证近8倍属性，做神经网络安全的可以看看。

推荐理由：VibrantForests搞了个新框架，用卫星和激光雷达做出全美10米分辨率森林地图，比老模型更准，不饱和不回归均值。

推荐理由：这篇论文提出MAMO，用多智能体RL自动调权重，解决约束优化中手动调参难题。

推荐理由：这篇论文系统梳理了概念漂移检测算法，并用合成和真实数据测试了它们在突变和渐变场景下的表现，适合做这一方向基础研究的人参考。

推荐理由：想处理真实场景奖励缺失的强化学习玩家可以看这篇，用影子变量和桥函数解决偏差问题，实验比传统方法稳。

推荐理由：这篇论文把量子视觉模型里两个反直觉现象（纠缠越多越好、加噪声反而更好）归结成一个可测量的有效维度，你读完就能抓住设计关键。

推荐理由：量子开发者福音！用LLM+RAG自动搞定Qiskit代码跨版本迁移，减少手动返工。Google Gemini Flash-2.5效果最佳，值得看看。

推荐理由：这个基准提供了具体的数据和评估，能帮你了解不同检测器在处理多语言PII时的真实表现差异。

推荐理由：想测语音助手被用户打断后能不能接好活？IHBench专门看这个，比谁恢复得自然、不错步骤。闭源模型比开源稳太多了。

推荐理由：这篇论文为Solidity智能合约代码生成建了个新基准（5470个合约）和专用评分指标，测试了多个主流代码模型的各种方法，结论明确：靠谱的领域数据+微调最管用。

推荐理由：这篇论文给出了一个简单实用的方法，让智能体在任务模糊时主动提问，而非盲目执行。五个大模型上都有提升，值得做Agent的同学看看。

推荐理由：这篇论文用TGO框架搞清楚了ViT的维度在训练中怎么变化——不是集中而是越来越分散，尤其CLS token最明显，对理解视觉Transformer内部机制很有参考价值。

推荐理由：AdsMind用物理反馈让AI自纠错，在催化剂吸附搜索中达到近乎完美成功率，比暴力枚举快14倍，值得做计算化学的试试。

推荐理由：这篇论文把9个主流的智能体通信协议拆成5个维度做分类，告诉你哪种协议适合什么场景，以及未来会怎么演进。如果你在做多智能体系统，想选协议或者设计协议，这篇很有参考价值。

推荐理由：这篇论文提出了HACD-H框架，用近1.5万轮对话数据说明AI和人的社交智能是在长期互动中慢慢涌现的，而不是单靠单次对话或简单记忆就能做到的。

推荐理由：这篇论文用实验证明多智能体团队里领导不是万能的，只有在初始投票不靠谱且能补救的特定条件下才有用，比如情境领导在Llama-4-Scout上提升了8个点。挺扎实的研究。

推荐理由：这篇论文用GotenNet做光学光谱预测，在1万个结构上比现有模型准不少，特别是0-8 eV区间，搞材料筛选的可以看看。

推荐理由：这篇论文讨论了如何让网站不再封杀AI代理，而是为它们设计合理的访问、收费和内容标注机制，比如ATML语言。适合关心Web未来和AI治理的人看。

推荐理由：这篇论文搞了一个新数据集和训练方法，能让AI改产品图时更准地保留品牌和文字，Qwen的错字率降到原来的五分之一，做电商图片编辑的可以看看。

推荐理由：想压缩Transformer模型？CAHP自动剪掉冗余注意力头，不用调参，在SST-5和MNLI上比梯度方法更强，还保住了中间层的关键结构。