标签
FrontierMat 推出了一项包含 330 个经过验证的前沿材料研发问题的语言模型基准测试，结果发现，最强模型的得分仅为 53.7%，而一种领域适应方法将一个开放权重模型的得分提升至 55.4%，与领先的专有模型持平。
论文提出 Bottle-SPU（Bottle-SKU）大规模多SKU洗发水瓶表面缺陷检测基准，包含13,119张图像与20,419个实例级标注框，并提出原型引导的动态域调制方法 ProDMM，通过SKU视觉原型生成低秩查询/值调制，以提升跨产品变体的缺陷检测泛化能力。
洛斯阿拉莫斯国家实验室和 NVIDIA 的研究人员提出了一项由专家精心编制、包含 250 道惯性约束聚变问题的基准测试，用于评估大语言模型的科学知识运用能力、物理推理能力和定量分析能力。他们将前沿开源和闭源模型与领域专用模型 Prospero 进行比较，发现专业化训练能够提高得分，但关键的物理学错误仍然存在，并建议在投入进一步的专业化训练之前，先评估现有能力以及检索带来的收益。
提出了一个跨域迁移表示特征的统计框架，用于检测 LLM 的幻觉与推理错误，在新域仅需 25 条标注样本即可将幻觉检测 AUROC 提升 6.8%、推理步骤预测 AUROC 提升 8.4%。
论文提出了技能模式迁移（SST）框架，通过将新领域知识重构为模型已有技能空间中可复用的程序化模式，来缓解持续领域适应中的灾难性遗忘。在两个拥有 30 亿参数的模型上，该框架将 Qwen 数学任务流的最大遗忘幅度从 42.41 个点降至 7.10 个点。
CorteXforge 是一个基于场景的框架，可在可编程 SDR 测试床（SLICES-RI/CorteXlab）上生成真实且可复现的带标注 RF 数据集，并通过自动调制分类进行验证，展示了合成数据与真实数据之间的差距以及合成数据预训练的优势。
论文提出 WebMix，一种利用混合超网络在部署时组合已有低秩适配器（LoRA）的网页智能体适配方法，无需在目标界面上重新训练即可实现跨域和跨版本迁移，并在 TimeWarp 与 WebArena-Lite-v2 上取得显著提升。
AgriJev 将 Qwen3.5 系列（0.8B–9B）适配为农业领域的候选评分模型，通过单次前向传播直接输出候选分数与相对概率；AgriJev-9B 在 17 个外部测试视图上达到 75.44% 平均准确率，且评分延迟约为同规模答案生成的一半。
GlucoPRISM 通过协议监督的预训练，将连续血糖监测（CGM）日表征分解为特质、状态和传感器三个频带，在部署时以固定投影移除传感器相关分量，从而在无需目标数据的情况下将十二个跨队列迁移方向的平均 AUROC 从 68.75 提升至 73.57。
本文提出一个基于大语言模型的框架，利用微调的开源 LLM 自动化生成交通管理计划（TMP），并在威斯康星州交通部的 WisTMP 系统中进行案例研究，发现微调显著提升性能，但模型仍难以生成项目特定理由和准确的成本估算。
本文研究流式说话人分离模型（Streaming Sortformer v2）在小数据适配时出现的'看似提升实则遗忘'现象，揭示聚合指标（DER）掩盖的身份一致性退化，并探讨rehearsal在恢复与跨域迁移之间的权衡。
本文提出了 BaryFM，一种流匹配模型，能够学习逼近整个 Wasserstein 单纯形——即权重向量单纯形上所有 Wasserstein 重心构成的完整族——而非仅针对固定权重的重心。BaryFM 在 10 个域适应基准上，在 15 种方法中取得了最佳平均排名，并在泛化、贝叶斯后验聚合以及算法公平性等任务上得到了验证。
本文提出了 CALIBRA，这是一个校准优先的多模态时序框架，用于跨队列的哮喘风险预测。该框架采用循环编码器、梯度反转域自适应、分层逻辑校准以及保形预测，以在分布偏移和模态缺失的情况下保持预测可靠性，并在一个半合成的三队列基准上得到了验证。
本文研究如何将大语言模型专门化，用于生成可执行的算法交易代码，表明以框架为导向的继续预训练，加上基于已验证「需求—代码」配对的监督微调，可大幅提升模型在 QuantCode-Bench 基准测试及智能体策略生成任务上的成功率，同时也揭示出一种能力保持失效现象：领域专门化会削弱结构化工具调用能力。
本文介绍了一种用于开放词汇语义分割的偏好引导适应框架，该框架利用提示分歧生成二元偏好，消除了对密集像素级标注的需求，并在专业领域中提高了性能。
本文介绍了TAM-Chain，一种采用吸收马尔可夫链和香农熵进行不确定性量化的多尺度甲状腺细胞学分类方法，旨在抑制假阴性并适应域偏移。
本文提出了TSS，一个针对特定领域大型语言模型推测解码的目标端稀疏化框架，通过跳过选定的目标层来提升推理效率和性能。
本文评估了检索主导的抽取式问答中的内在序列似然置信度，发现置信度信号不足以用于模型控制，且仅检索在预设标准下就能达到高准确率。