让 Agent 更可靠地调用工具和复用技能、提升 RAG 检索和知识库问答可靠性、提升模型推理、规划和验证能力

Toward Better Assessment of LLMs' Performance in Clinical Error Detection

中文标题更好地评估LLM在临床错误检测方面的表现

关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。

CACSurv: Concordance-Aligned Comparative Learning with Large Language Models for Cancer Survival Prediction

中文标题CACSurv ：使用大型语言模型进行癌症生存预测的协调对齐比较学习

关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。

Listen, Reason, and Segment: Aligning LALMs with Editorial Judgment for Media Chapterization

中文标题倾听、原因和细分：将LALM与媒体章节化的编辑判断相结合

关注理由涉及训练与后训练中的新任务、数据或系统线索，可作为后续跟进清单的一部分。

JailbreakSkill: Scaling Automated Red-Teaming with Reusable and Ever-Evolving Skills

中文标题JAIlbreakSkill ：利用可重复使用和不断发展的技能扩展自动红色团队

关注理由涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。

Beyond Similarity Matching: Structured Reasoning for Open-Vocabulary Referring Segmentation in 3DGS

中文标题Beyond Similarity Matching：Structured Reasoning 面向 Open-Vocabulary Referring Segmentation in 3DGS

关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。

Bridging the Gap between Labeled and Unlabeled Data via Unified Flow with Feature Memory Bank

中文标题通过使用功能存储库的统一流程弥合已标记和未标记数据之间的差距

关注理由涉及视觉与图像生成中的新任务、数据或系统线索，可作为后续跟进清单的一部分。

HarmTrace: Anchor-Calibrated Decoupled Optimization for Fine-Grained Target Identification in Harmful Memes

中文标题HarmTrace：Anchor-Calibrated Decoupled Optimization 面向 Fine-Grained Target Identification in Harmful Memes

关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。

MLLM-Guided Semantic Correction for Text-to-Video Generation

中文标题MLLM-Guided Semantic Correction 面向 Text-to-Video Generation

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

Towards Risk-free AI Agent Deployment

中文标题迈向无风险的人工智能代理部署

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

What Does Context Compression Cost an Agent? Interaction Costs Unrevealed by Task-Completion Metrics

中文标题上下文压缩会给代理带来什么成本？任务完成指标未显示的交互成本

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

Unlocking Motion in Expressions: Temporal Calibration for Referring Video Object Segmentation

中文标题解锁表达式中的运动：引用视频对象分割的时间校准

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

Multi-Granularity Sentiment Integration for LLM-Based Multimodal Sentiment Analysis

中文标题基于LLM的多模态情绪分析的多粒度情绪集成

关注理由涉及视频生成中的新任务、数据或系统线索，可作为后续跟进清单的一部分。

Picking the Right Image to Classify: Reliable-Input Selection in Teledermatology

中文标题挑选合适的图像进行分类：远程皮肤科中的可靠输入选择

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

LENS: In-Context Search via Latent Evidence Exploration over Dynamic Raw Documents

中文标题LENS ：通过动态原始文档的潜在证据探索进行上下文搜索

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

KeyID: Decoupled Drafting and Keyframe Editing for Identity-Preserving Video Generation

中文标题KeyID：Decoupled Drafting 与 Keyframe Editing 面向 Identity-Preserving Video Generation

关注理由涉及推理成本、延迟、吞吐和部署约束，可补充系统优化方向。

Spatial Temporal Synergy: Balancing Change and Invariance in Text Driven 3D Human Motion Editing

中文标题时空协同：平衡文本驱动的三维人体运动编辑的变化和不变性

关注理由涉及视频生成中的新任务、数据或系统线索，可作为后续跟进清单的一部分。

Non-Crossing Deep Quantile Regression for Distributional Survival Prediction

中文标题用于分布生存预测的非交叉深分位回归

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

HAF: Adapting Generalist VLAs to Humanoid Whole-Body Loco-manipulation via Hierarchical Action Flow and Spectral Latent RL

中文标题HAF ：通过分层动作流和光谱潜伏RL使多面手VLA适应人形全身位置操作

关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。

UniDot: A Unified Network for Sequence Modeling and Feature Interaction in Large-scale Recommendation

中文标题UniDot：A Unified Network 面向 Sequence Modeling 与 Feature Interaction in Large-scale Recommendation

关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。

Revisiting Classifier-Free Guidance Methods in Latent Diffusion Models

中文标题重新审视潜在扩散模型中的无分类器引导方法

关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。