推荐理由：论文提出干预感知模型，用房颤消融后不规则记录预测复发，DECAAF-II上AUROC 0.756，推理时免随访MRI强度。

推荐理由：这篇论文把bagging这个老方法用在了对抗鲁棒学习上，直接打破了之前的上界，而且证明样本复杂度跟VC维线性相关，搞理论或鲁棒学习的人值得看看。

推荐理由：做表格分类想用深度学习？TabSOM把表格变成图像，打平十二种老方法还更稳，连特征关系都能可视化，值得试。

推荐理由：这篇论文把“模型为什么有性能天花板”从信息论和交互角度讲得很清楚，做LLM智能体的可以看看它怎么把系统当随机过程分析。

推荐理由：这篇论文用等变学习搞定了三维经典密度泛函，一个模型就能跨温度、尺寸用，还能算液汽共存和胶体力，挺有意思。

推荐理由：这个科学智能体模型能处理多模态数据，397B 版在时间序列预测上很强，还有个 4B 小模型能直接把生物任务分数拉高，适合搞科研的人看看。

推荐理由：这篇论文提出了SORT框架，用稀疏谱方法从噪声数据里发现微分方程，比SINDy更抗稀疏采样，还能顺带做积分逼近，适合做系统辨识的人看。

推荐理由：想搞自动驾驶数据检索的可以看看这个TraVEL，用行车轨迹当训练信号，让模型更懂左转右转、加速减速，比普通微调强不少。

推荐理由：这篇把对齐提前到了预训练第一步，3B 模型跑 500B token，越狱更难破，值得搞 AI 安全的人看一眼。

推荐理由：做恶意软件检测的同学可以看看，论文证明了用OCSVM检测概念漂移再触发重训练，能省下大量计算资源还不掉精度。

推荐理由：这篇论文搞了个ARMDIL，用MLLM当路由器给图像挑合适的视觉模型，效果不输专门训练的，还能改提示词加新数据。

推荐理由：这篇论文给CVR因果估计出了个新招，双稳健加目标正则化，比简单去偏更靠谱，搞广告电商的可以看看。

推荐理由：接触密集操作总在碰坏了才发现问题？ContactGuard 在接触前看潜在视觉嵌入提前判断，能直接发中止信号，不用改策略。

推荐理由：这论文搞了个 CAPRI 工具，管 LLM 改 Isabelle 证明，能查它有没有动不该动的地方。12 个失败证明跑 180 次，修复率直观看得很清楚，想用 LLM 做形式化证明的可以看看。

推荐理由：这篇arXiv文章说，AI解数学题只是留下残渣，真正值钱的是人理解的过程。关心数学研究或AI影响科研的可以看看。

推荐理由：这篇论文用o4-mini试了不同提示词，发现它解题会翻车，还试了怎么教学生挑它毛病，搞物理教育的值得看看。

推荐理由：想让视频生成听你的话？这篇论文用多模态大模型加贝叶斯优化调提示词和参数，胜率最高69%，告别瞎试。

推荐理由：想系统搞懂CAM方法演进，这篇57篇论文的综述把梯度法、Transformer归因、CLIP/DINO/SAM时代的新做法都梳理清楚了，还指出了各方法留下的坑。

推荐理由：做航空视觉语言导航的看这个：DreamFly在OpenFly上SR和SPL都超过现有方法，导航误差最低，还能判断何时到达。

推荐理由：放疗圈看过来，这个模型把左前降支动脉分割做得更准，比nnU-Net和Swin UNETR都强，还用了LoRA省显存，值得试试。

推荐理由：这篇论文用Claude Code搭了个智能体流水线，把GAMESS的老Fortran代码转换了还零误差通过，适合搞科学计算现代化的人看。

推荐理由：HAMP-LIC给图像压缩模型做混合精度量化，模型省4.85倍，BD-rate只掉0.59%，还消除跨平台不一致。值得一看。

推荐理由：做蛋白质结构预测的可以看看这篇，它对比了四种 oracle 预算分配方法，告诉你低预算用 O3，高预算用 FK-steering 和 DPO，挺实用。

推荐理由：金融时序预测别急着堆参数，试试把市场状态信息只用来做路由。RG-ResMoE在1027只美股上比MLP更准更稳，软路由还改善了VaR校准。

推荐理由：想找有效的药物组合？ScreenShot不用分子图谱就能预测，少量样本就比现有方法准，还能省三分之二实验预算。

推荐理由：三张标注日就能把鱼肉鲜度误差压到1.58天，这个少样本高光谱方法比全监督基线都划算。

推荐理由：这篇论文用真实数据告诉你哪些公司在用ChatGPT、谁在用、用来干嘛，比拍脑袋靠谱多了。

推荐理由：这篇论文把奖励函数设计拆成三步，还有个只要 O(n log κ) 次偏好查询的算法，做 RLHF 或奖励建模的值得一读。

推荐理由：做深度学习测试的人可以省事了，ADEPT 把各种覆盖率度量统一成一个框架，不用再挨个配置那些难搞的原型工具，直接就能跑。

推荐理由：空间推理一直是视觉语言模型的硬伤，SCOUT 用新的训练方法把 3D 理解做得更准，7B 规模直接超过 GPT-4o，还能迁移到视频上。

推荐理由：用 SPAR 把脉搏波变成图像，再让 CNN 分年龄，35-40 和 50-55 岁分得挺准，F1 超 70%。

推荐理由：论文用560个模型实测了4比特量化在S&P 500波动率预测上的效果，发现校准方式能决定性能好坏，做量化部署的可以看看。

推荐理由：这篇论文用四万组问答测了六大模型，发现它们很少拒绝聊敏感书，但会用警告和犹豫来暗示，想了解内容审核现状可以看看。

推荐理由：SCoT把多轮专家会诊搬进模型协作，在难诊断病例上比单模型召回更高，做医疗AI的可以看看。

推荐理由：自动驾驶圈可以看看这篇：他们没让神经网络直接开车，而是给它加了安全监督层，还在自家车karl.上真跑了。

推荐理由：这篇论文把卫星嵌入加到天气降尺度里，温度风速预测都更准了，CRPS提升两位数，做天气AI的值得看看。

推荐理由：FQTree把提升决策树的量化做到硬件级，在FPGA上能省26-57%查找表，精度还不掉，做边缘部署的可以看看。