WAICA 2026 主会论文完整名录

研究焦点：研究对象由官方题名界定：3D-SSD: A 3D Networked Decoupled SSD Architecture for AI Workloads on High-Density NAND Flash。

方法证据：当前公开证据不足以确认具体存储架构、网络拓扑、实验配置或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注算力、存储、网络或集群链路的效率与可靠性；落地价值取决于真实规模、硬件拓扑和公平基线。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/Fudan and author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：A Deep Research Benchmark with Consensus-Derived Gold Rubrics for Distinguishing Financial Report Quality。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注 Agent、推理或评测闭环；应重点审查任务真实性、评分器有效性、污染与工具权限公平性。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：A Physics-informed Synthetic X-ray Dataset for Miniature Robot Swarm Tracking。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注感知—决策—动作闭环；应重点审查跨场景、跨本体迁移和真实机器人安全性。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor author channels for a public manuscript; do not infer paper results from the artifact

研究焦点：研究对象由官方题名界定：A Renewable Benchmark for Failure Diagnosis in Research-Level Mathematical Reasoning。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注 Agent、推理或评测闭环；应重点审查任务真实性、评分器有效性、污染与工具权限公平性。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：Act, Sense, Act: Learning Active Perception from Large-Scale Egocentric Human Data。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注感知—决策—动作闭环；应重点审查跨场景、跨本体迁移和真实机器人安全性。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：AIDABench: AI Data Analytics Benchmark。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注 Agent、推理或评测闭环；应重点审查任务真实性、评分器有效性、污染与工具权限公平性。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究多轮搜索 Agent 如何在对话持续演化时保持原始/更新后的用户意图，并在每一步检索后做局部证据验证，降低搜索轨迹漂移。

方法证据：作者项目页明确给出的核心方法信号是“Anchoring user intent and verifying evidence locally”：把意图锚定与局部证据验证作为多轮搜索鲁棒性的两个控制点。

主题价值：这与单纯扩大搜索轮数不同：长期搜索需要显式保留目标状态，并在局部步骤就阻断错误证据继续传播。

结果状态：当前只解析到作者项目级方法摘要，未获得公开 manuscript，因此不报告 benchmark 数字或优于基线的结论。

边界：作者主页能确认论文身份和核心方法方向，但不能替代全文；具体 intent representation、local verifier、训练方法与实验收益仍需 manuscript 支撑。

下一步：resolve public manuscript/proceedings PDF before full method/result review

研究焦点：研究序列型 multi-omics 任务中，LLM 是否不仅给出预测，还能提供可追溯、具有生物学依据的证据链。

方法证据：OmicsBench 公开仓包含 1,160 个专家验证问题、6 类跨 DNA/RNA/Protein 任务，并以多 Agent 合成流程调用数据库、序列比对和文献证据生成 reasoning chain，再经机器检查与专家复核。

主题价值：它把 AI4Science 评测从“预测对不对”推进到“证据链是否可追溯、是否符合生物学机制”，更接近科学推理而非黑盒分类。

结果状态：公开仓提供模型评测表和运行代码，但在 manuscript 未解析前不把仓库结果作为正式论文结论或独立复现。

边界：公开代码/数据是强作者制品证据，但不是同行评审 manuscript；数据库覆盖、rubric 有效性、LLM judge 偏差、数据污染和专家一致性仍需全文与复现实验审计。

下一步：resolve manuscript and cross-check repository-reported benchmark results before full-text promotion

研究焦点：研究隐私保护决策树推理中 oblivious node selection 的通信瓶颈：节点索引被秘密共享后，传统选择协议的通信量常随树节点数线性增长。

方法证据：BlitzBough 在三方 replicated secret sharing 下结合 function secret sharing 与 share dot product：把 n 个节点排成约 sqrt(n)×sqrt(n) 矩阵，将秘密索引转换成行/列 one-hot 共享，再通过两次 share dot product 取回目标节点，使选择通信量从 O(n) 降到 O(sqrt(n)) 量级。

主题价值：它说明隐私推理系统的关键优化对象不仅是密码学算子本身，还包括通信复杂度与交互轮次；降低字节数和降低 WAN 时延并不是同一个优化目标。

结果状态：作者在所测决策树设置中报告总通信量降低 3.3×–35.1×、在线通信降低 2.2×–12.0×、离线通信降低 4.4×–71.4×；LAN 在线运行时间快 1.3×–8.2×，但 MAN/WAN 单次推理下因额外交互轮次可略慢于最强基线。

边界：协议假设三方半诚实 adversary、honest majority 且至多一方被攻破；性能来自作者选定数据集、CPU 与模拟网络条件。不得外推到 malicious adversary、任意参与方拓扑、所有网络条件或所有隐私推理工作负载。

下一步：independent reproduction plus malicious-adversary and wider-network-topology evaluation

研究焦点：研究对象由官方题名界定：Branching Policy Optimization: Sandbox-Native Language Agent Reinforcement Learning。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注 Agent、推理或评测闭环；应重点审查任务真实性、评分器有效性、污染与工具权限公平性。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：Byzantine Robust Distributed Learning with High-dimensional Efficiency。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注隐私、安全或鲁棒性；威胁模型、攻击面、效用损失与部署假设决定结论边界。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：CAST: Mitigating Object Hallucination in Large Vision-Language Models via Caption-Guided Visual Attention Steering。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注视觉、多模态理解或生成；应审查数据覆盖、幻觉、分布外泛化与算力匹配。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：CATCH: Cross-Resolution Attention for Communication Throughput Prediction with Coupled Heterogeneous Features。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注算力、存储、网络或集群链路的效率与可靠性；落地价值取决于真实规模、硬件拓扑和公平基线。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：Cross-Reaction Transfer Learning: From Simple Hydrogenation to Complex Hydroformylation via Mechanistic Subspace Alignment。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注科学或健康任务中的专用建模；代理指标不能替代机理、临床或实验验证。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：CTM: Structure-Aware Incremental Placement for Large-Model GPU Clusters。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注算力、存储、网络或集群链路的效率与可靠性；落地价值取决于真实规模、硬件拓扑和公平基线。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：DebateArena: Tracking Pending Judgments and Disagreements in Multi-Agent Debate over Open Event Streams。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注 Agent、推理或评测闭环；应重点审查任务真实性、评分器有效性、污染与工具权限公平性。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究如何用 GraphRAG + LLM 自动化医疗定性访谈的 thematic analysis，同时尽量复现专家的归纳—演绎主题构建流程。

方法证据：公开 AMIA 摘要描述 GraphRAG-LLM pipeline 通过图结构检索和 LLM 组合模拟专家 thematic-analysis workflow，用于抽取层次主题和潜在语义关系。

主题价值：图检索的意义不是简单扩大 context，而是保留主题、实体和关系结构，使长访谈分析结果更接近可审查的层次化定性编码。

结果状态：AMIA 摘要报告相对人工专家的 structural similarity 0.959；这是同团队相关系统的摘要级作者报告，不在 WAICA manuscript 身份闭合前直接记作 Paper 17 的正式会议结果。

边界：公开的是相关 AMIA 摘要而非 WAICA 全文；数据集规模、人工基线、相似度定义、跨访谈泛化和分析偏差仍需 manuscript 审核。

下一步：resolve WAICA manuscript/proceedings PDF and reconcile exact evaluation protocol

研究焦点：WAICA 接收题名与作者主页映射的 arXiv 稿都聚焦半监督医学图像分割中如何利用未标注数据制造有效 prediction disagreement 并稳定训练。

方法证据：映射的 arXiv:2308.11903 提出 DPMS：teacher-student 框架下以强数据增强扩大未标注样本预测分歧，并通过 forwarding-twice 与 normalization-statistics momentum update 稳定训练。

主题价值：该公开稿支持“半监督分割的核心不一定是继续堆叠复杂 loss，而是控制有效分歧与模型统计稳定性”这一方法信号。

结果状态：映射的 arXiv 稿作者报告在 ACDC / LA 等数据集取得提升，包括 ACDC 5% labels 场景相对先前 SOTA 的显著增益；但在 WAICA accepted-version 身份闭合前不把这些数字记作 Paper 18 的已确认会议结果。

边界：作者主页虽然显式映射 WAICA 条目到 arXiv:2308.11903，但 arXiv 题名与作者集合和 WAICA 接收版不完全一致；因此只作为 revised/related manuscript evidence，不计入 full-text-reviewed coverage。

下一步：resolve accepted-version identity or proceedings manuscript before counting as WAICA full-text-reviewed

研究焦点：研究对象由官方题名界定：DyLAC: Latent Dynamics Clustering for Trajectory Data with Application to Mandibular Motion。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注科学或健康任务中的专用建模；代理指标不能替代机理、临床或实验验证。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：EdgeSwapLLM: SLO-Aware Multi-Model Concurrent Inference for Edge LLM Serving。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注算力、存储、网络或集群链路的效率与可靠性；落地价值取决于真实规模、硬件拓扑和公平基线。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究如何在不破坏视觉基础模型原有表征能力的前提下，通过多模态持续预训练提升跨分辨率处理与视觉—语言对齐。

方法证据：M-CPT 在既有视觉基础模型上加入连续位置编码（CPE）以适配可变分辨率，并用特征对齐目标约束视觉与文本表征；作者在 DINOv2、SigLIP、AIMv2 上验证。

主题价值：这篇论文提供了“升级基础模型不必以遗忘原能力为代价”的证据，支持把持续适配、跨模态对齐和回归评测纳入模型演进底座。

结果状态：作者报告 M-CPT 在多模态理解任务上持续提升，同时在分类、分割等标准视觉任务上保持强性能；论文提供代码。具体收益依赖基础模型和评测任务，未独立复现。

边界：作者报告结果；需要按模型、分辨率、训练数据和下游任务核对增益，并检查持续预训练的算力成本、数据污染与长期遗忘。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：F2T: Fast Failover in LLM Training with Near-Zero Overhead State Management。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注算力、存储、网络或集群链路的效率与可靠性；落地价值取决于真实规模、硬件拓扑和公平基线。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：FAST-LSD: Frequency-Spatial and Scale-Selective Transformer for Image-Event Line Segment Detection。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注视觉、多模态理解或生成；应审查数据覆盖、幻觉、分布外泛化与算力匹配。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：FlowLM: Few-Step Language Modeling via Diffusion-to-Flow Adaptation。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注基础生成建模与训练机制；应审查质量—效率权衡、算力匹配、数据污染和跨任务泛化。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：From Stateless to Situated: Building a Psychological World for LLM-Based Agents。

方法证据：LEKIA 2.0 将认知层与执行层分离，用可持续更新的外部情境结构记录阶段、用户状态与同意边界，并以 Static-to-Dynamic 在线协议评估多轮过程控制。

主题价值：直接支持“状态不能只藏在上下文窗口里”：长程 Agent 需要可检查、可更新的外部状态，并把同意边界作为执行约束。

结果状态：作者报告深度干预闭环完成率相对 prompt-only 基线取得约 31% 的平均绝对提升；尚未独立复现。

边界：实验聚焦心理支持场景和特定过程指标，不能外推为通用 Agent 安全性、临床有效性或生产部署充分条件。

下一步：independent reproduction and consent-boundary stress testing

研究焦点：研究对象由官方题名界定：Gate Entropy Reveals Quantization Fragility: Zero-Cost Mixed-Precision Allocation for Attention-Residual LLMs。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注算力、存储、网络或集群链路的效率与可靠性；落地价值取决于真实规模、硬件拓扑和公平基线。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：作者 publication record 只闭合论文身份，不提供方法或实验正文；Locator != Evidence，因此仍只可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor the author publication page plus DOI/arXiv for a manuscript; the publication locator alone is not technical evidence

研究焦点：研究对象由官方题名界定：Generative Visual Transmission: Rethinking Computation, Bandwidth, and Memory in Video Communication。

方法证据：GenTrans 将超低带宽视频传输建模为带宽、计算与内存的联合优化，组合生成式视频压缩、跨片段记忆复用、运行时状态复用和弱网感知传输。

主题价值：说明系统效率不能只看网络字节或单次推理：缓存状态、接收端计算与链路波动需要进入同一运行时账本。

结果状态：作者报告在超低码率和弱网条件下改善传输效率、解码效率与鲁棒性并保持感知质量；尚未独立复现。

边界：感知可用不等同于像素保真或任务正确；结论依赖视频分布、生成先验、算力预算和弱网模型。

下一步：reproduce bitrate, latency and weak-network comparisons on an internal video workload

研究焦点：研究对象由官方题名界定：Geometry-Aware Debiasing for Visual Question Answering via Mitigating Neural Collapse。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注视觉、多模态理解或生成；应审查数据覆盖、幻觉、分布外泛化与算力匹配。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究大规模电动汽车 V2G 调度如何同时满足配电网空间硬约束和车辆跨时间充电需求，并避免传统优化在大规模场景中的在线计算瓶颈。

方法证据：HPC-RL 采用两层分层约束强化学习：上层把 Generalized Reduced Gradient 融入 RL 以执行电网级硬约束；下层动态计算单车实时可行充放电功率边界，将电网调度与车辆分配解耦。

主题价值：这篇论文把 safe RL 的约束处理从惩罚项推进到可行域构造和分层解耦，说明复杂物理系统中的 Agent/RL 价值取决于能否在运行时显式维护硬约束。

结果状态：作者在 IEEE 14、30 和修改后的 141-bus 系统上报告优于 MPC 和 safe-RL baselines，并将大规模场景在线计算从小时级降到分钟级，同时报告近零约束违例和接近 100% 的充电需求满足率；尚未独立复现。

边界：作者报告基于特定 IEEE 测试系统、EV 到达/需求分布和约束建模；“近零违例”和“接近 100% 满足率”不能外推为任意真实电网保证，需审计仿真假设、基线公平性和部署可观测性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：HIRED: Hierarchical Interdisciplinary Research Team Formation via Dual-Layer Semantic Alignment。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注科研组织、团队或知识协作；应审查评价目标、反馈回路、公平性和长期行为影响。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：InternBootcamp: Boosting LLM Reasoning with Verifiable Task Scaling。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注 Agent、推理或评测闭环；应重点审查任务真实性、评分器有效性、污染与工具权限公平性。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：Liability Frameworks for Agentic AI Systems。

方法证据：论文以规范与责任框架分析 Agentic AI 多主体链路中的控制、可预见性、委托和损害归属，而非提出新的模型算法或实验基准。

主题价值：把运行时审计从“方便排障”提升为责任基础设施：必须保留谁授权、Agent 看到了什么、调用了什么以及何时触发人工接管。

结果状态：产出是责任分配框架与治理论证，不存在可与算法论文同口径比较的性能提升数字。

边界：这是研究性法律框架而非特定法域的法律意见；适用性取决于合同、监管、组织控制权和实际部署事实。

下一步：map proposed liability allocation to internal agent roles, logs and escalation controls

研究焦点：研究对象由官方题名界定：MARTA: Mask-driven Anchored Reinforcement learning with Transformer-hypergraph Architecture for Interpretable Brain Disorder Diagnosis。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注科学或健康任务中的专用建模；代理指标不能替代机理、临床或实验验证。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：MASD: Multi-Agent Structured Diagnosis for Zero-Shot Industrial Defect Inspection。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注工业或能源场景优化；应审查约束完整性、仿真—现场差距、可靠性和经济性。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：MCPVerse: An Expansive, Real-World Benchmark for Agentic Tool Use。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注 Agent、推理或评测闭环；应重点审查任务真实性、评分器有效性、污染与工具权限公平性。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：Morphling: Train Deep and Decode Shallow for Accelerated Speculative Decoding。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注算力、存储、网络或集群链路的效率与可靠性；落地价值取决于真实规模、硬件拓扑和公平基线。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：作者 publication record 只闭合论文身份，不提供方法或实验正文；Locator != Evidence，因此仍只可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor the author publication page plus DOI/arXiv for a manuscript; the publication locator alone is not technical evidence

研究焦点：研究口语对话模型能否在真实多轮互动中持续理解、推理并应用情绪信息，而非只完成单轮情绪分类。

方法证据：MULTI-Bench 构建基础与高级两级层次，覆盖情绪理解/推理及情绪支持/应用，共五类任务、约 3.2K 样本，并以可复现流程评测六个代表性口语对话模型的八个子集。

主题价值：这篇论文把“是否会共情”拆成可诊断的多轮过程能力，支持任务运行时保留对话状态、阶段性判断与失败标签，而不是只看最终回复得分。

结果状态：作者报告现有模型在基础理解任务上表现较好，但在高级多轮互动、情绪觉察与应用以及推理相关任务上仍有明显空间。

边界：基准规模、语言/文化覆盖、演员或合成数据与真实用户差异，以及主观评分的一致性都会限制外推；未独立复现。

下一步：independent reproduction or author-material cross-check

研究焦点：研究 Agent 系统重试造成的真实工作流 token 成本膨胀，以及如何在执行前预测任务难度并选择更合适的模型层级。

方法证据：InflationAgent 用四阶段路由：测量 token inflation；以本地推理得到 CoT Branching Entropy 预测高膨胀任务；用 Semantic Exchange Rate 结合预期准确率和真实成本选模型；升级时丢弃失败 reasoning chain。

主题价值：把模型路由成本从单次 token 单价升级为“成功完成一个工作流的期望总成本”，对长程 Agent 的模型分层和失败恢复很关键。

结果状态：作者报告 7B 模型在多跳 QA 上 token inflation 最高 4.25×；CBE 预测高 inflation 的 AUROC 为 0.887；GSM8K 固定预算下达到 94.7% 准确率，相比 FrugalGPT 的 91.0% 同时减少 31% token；结果未独立复现。

边界：作者报告基于特定模型层级、任务与成本定义；真实生产中的工具费用、缓存、并发、延迟和不同失败策略会改变最优路由，需独立复现。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：OphVLM-R1: Efficient Ophthalmic Reasoning via Curriculum RL。

方法证据：作者模型仓已披露两阶段训练、四阶段课程强化学习、GSPO、困难样本回溯、训练配置与评测表，但尚无正式论文 PDF，不能替代全文审阅。

主题价值：关注科学或健康任务中的专用建模；代理指标不能替代机理、临床或实验验证。

结果状态：作者材料报告了主实验与消融结果；在取得正式稿前仅作为作者制品证据，不进入全文覆盖统计。

边界：作者材料不是正式论文，且结果为单次作者报告、无置信区间或独立复现；医疗部署还需数据泄漏、外部验证、校准与临床安全审查。

下一步：monitor the author project, arXiv, DOI and WAICA proceedings for a formal manuscript PDF; retain artifact-bounded status until it appears

研究焦点：研究 LLM-based ASR 如何在保留大解码器和长上下文能力的同时，降低自回归逐 token 解码带来的服务时延。

方法证据：ParaASR 在 4B LLM decoder 上加入五个未来 token 分支；每步提出最多 6-token continuation，再仅接受经自回归验证的前缀，以声学信号的强约束支撑高并行解码。

主题价值：说明多 token 预测在强输入约束任务中可以成为结构性推理加速机制；速度优化不必只依赖模型缩小或通用 speculative decoding。

结果状态：作者报告平均每步接受 5.0/6 个候选 token，保留 32K context、支持最长约 30 分钟单次音频，并报告最低 RTF 0.0053；结果尚未独立复现。

边界：作者报告结果依赖其音频编码器、4B decoder、数据和 serving hardware；WER/RTF 需要在匹配数据、硬件、batch 与流式约束下独立复现后才能用于部署判断。

下一步：independent reproduction on matched ASR workloads and serving hardware

研究焦点：研究对象由官方题名界定：PhysUniBench: A Multi-Modal Physics Reasoning Benchmark at Undergraduate Level。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注科学或健康任务中的专用建模；代理指标不能替代机理、临床或实验验证。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：Reinforcement Learning with Physical Feedback for Stable 3D Molecular Generation。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注科学或健康任务中的专用建模；代理指标不能替代机理、临床或实验验证。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：RoboFAC: A Comprehensive Framework for Robotic Failure Analysis and Correction。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注感知—决策—动作闭环；应重点审查跨场景、跨本体迁移和真实机器人安全性。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：RSPMA: Rollout-Stabilized Predictive Mesh Adaptation for Autoregressive Graph PDE Rollout。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注科学或健康任务中的专用建模；代理指标不能替代机理、临床或实验验证。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：SC2A-DKF: Structure-Constrained Color-Aware Dynamic Kernel Filtering for Out-of-Distribution Image Denoising。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注视觉、多模态理解或生成；应审查数据覆盖、幻觉、分布外泛化与算力匹配。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：WAICA 题名 scMDDM 与公开稿 Lingshu-Cell 都研究面向虚拟细胞的生成式转录组世界模型。

方法证据：公开 Lingshu-Cell 稿采用 masked discrete diffusion，直接在离散 token 空间建模约 18,000 个基因的转录组状态分布，并支持条件扰动模拟。

主题价值：若后续确认二者是同一稿件，它将为“AI for Science 从静态表征走向可生成、可扰动的细胞状态世界模型”提供全文级证据。

结果状态：公开稿报告跨组织/物种的转录组分布建模、扰动响应预测及 Virtual Cell Challenge H1 等结果；在 WAICA 标题身份明确确认前不计入本会议全文覆盖。

边界：当前只有高度匹配的标题副标题与作者集合，没有找到作者或会议显式声明 scMDDM 已改名为 Lingshu-Cell；因此不得把公开稿结果直接记为 WAICA paper 46 的已确认实验结果。

下一步：confirm explicit title-rename identity with author/proceedings metadata before counting as full-text-reviewed WAICA paper

研究焦点：研究如何让 LLM 在自然语言到 2D/3D/机器人布局生成中显式利用对象间几何关系和结构依赖。

方法证据：SG-Layout 采用两阶段训练：先用 relational graph encoder + projector 将 scene-graph embedding 对齐到 LLM 语言空间，再冻结图模块并通过 LoRA 做 instruction-driven layout generation。

主题价值：说明结构化图可以作为语言模型空间推理的外部先验，把自然语言歧义与可验证几何约束分离，对生成式 UI/3D/机器人规划均有参考价值。

结果状态：作者在图像布局生成、室内场景合成和机器人对象重排上报告空间推理准确性与几何一致性提升，关系密集和组合复杂场景优势更明显；结果未独立复现。

边界：作者报告基于特定 backbone、scene graph 构造和三个布局任务；对开放世界感知误差、图构建成本和真实机器人闭环的迁移仍需验证。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：SGC-CLIP: Semantic Graph Guided Calibration for Class-Incremental Learning。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注视觉、多模态理解或生成；应审查数据覆盖、幻觉、分布外泛化与算力匹配。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：SIGMA: Spectral-Implicit Generative Manifold Architecture for Spatiotemporal Turbulence Synthesis。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注科学或健康任务中的专用建模；代理指标不能替代机理、临床或实验验证。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究对象由官方题名界定：SkyVLaM: Multimodal Large Language Model for UAV Video Understanding in Remote Sensing。

方法证据：方法与实验已进入全文深挖账本；本条名录不重复压缩具体数字。

主题价值：关注视觉、多模态理解或生成；应审查数据覆盖、幻觉、分布外泛化与算力匹配。

结果状态：已有作者报告结果，详见全文深挖记录；尚未独立复现。

边界：所有数字均视为作者报告，需结合数据、基线、算力与复现实验再决定可部署性。

下一步：independent reproduction or author-material cross-check

研究焦点：研究 diffusion model 在下游风格/领域微调时如何获得目标适配能力，同时尽量保留预训练模型原有的广泛生成能力。

方法证据：Source-Prior-Driven Selective Adaptation 先仅使用 source data 探测不同参数对原始生成能力的重要性并学习静态 retention mask，再只在低干扰的可写参数子集上执行结构化 target fine-tuning。

主题价值：它把“灾难性遗忘”从训练后的结果指标前移成参数可写性约束：先决定哪些参数应保护、哪些参数可更新，再做下游适配，形成更显式的 adaptation-retention trade-off。

结果状态：作者在 diffusion model 的多种风格/领域适配实验中报告，比多种强 full/parameter-efficient baselines 获得更好的目标适配—源能力保留权衡；结果尚未独立复现。

边界：当前证据主要来自作者选定的 diffusion backbones、风格/领域数据和 FID/CLIP 等评测；不能由此推断所有模型、任务或参数预算下都能无遗忘迁移，mask 稳定性和跨架构迁移仍需验证。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：Statistical Calibration for LLM Watermark Detection Under Cross-Lingual Attacks。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注隐私、安全或鲁棒性；威胁模型、攻击面、效用损失与部署假设决定结论边界。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究长周期社会模拟 Agent 的中间决策是否能通过逐步骤人类偏好监督改善，而不是只在任务结束后给整体评分。

方法证据：作者构建交互式标注界面，对规划、记忆检索、反思和动作等中间步骤收集 57K 级偏好数据，并在开放权重模型上依次进行监督微调与直接偏好优化。

主题价值：支持把 Agent 的中间步骤、人工反馈和后续行为结果纳入可回放运行时；局部决策质量需要成为可观察、可评分、可纠正的状态。

结果状态：作者报告逐步骤监督持续改善模拟保真度、协调与互动质量，并使长期行为更接近人类参考；结果尚未独立复现。

边界：社会模拟指标与真实人类行为之间仍有外推距离；标注者一致性、文化与场景覆盖、模拟器依赖以及 SFT 与 DPO 的独立贡献需要进一步审计。

下一步：independent reproduction and audit of annotator agreement, simulator transfer and metric sensitivity

研究焦点：研究多模态大模型如何按输入复杂度自适应减少视觉 token，在降低首阶段推理开销的同时尽量保留任务准确率。

方法证据：StepPrune 将视觉 token 剪枝改写为带停止动作的序列决策：指针式解码器逐步选择 token，并以保方差噪声门控实现端到端可微训练。

主题价值：证据表明效率控制可以是按输入动态决策的运行时能力，而不是所有任务使用同一压缩率；也提示质量与时延必须联合验收。

结果状态：作者在 LLaVA-v1.5-7B 与 Qwen2.5-VL-7B 上报告：剪除 88.9% 视觉 token 时保留原模型 94.6% 准确率，并获得 1.88 倍 prefill 加速。

边界：结果是作者报告，主要覆盖两类 7B 多模态模型和特定基准；端到端时延、解码阶段、显存、训练开销及高风险细节丢失仍需独立验证。

下一步：independent reproduction or author-material cross-check

研究焦点：研究对象由官方题名界定：StepState: Sparse Step States for Multi-Step Reasoning。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注 Agent、推理或评测闭环；应重点审查任务真实性、评分器有效性、污染与工具权限公平性。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：Resolve an exact-title author manuscript/proceedings entry or an explicit title-version mapping; do not attribute the OpenReview near-match without identity closure.

研究焦点：研究对象由官方题名界定：TAPER: Task-Adaptive Pairwise Energy Regularization for Graph Neural Networks。

方法证据：当前公开证据不足以确认具体模型结构、训练流程、数据划分或对照设置；题名只提供方向信号，不能当作方法事实。

主题价值：关注科学或健康任务中的专用建模；代理指标不能替代机理、临床或实验验证。

结果状态：未获得可核验论文全文，因此不报告实验数字、SOTA 或因果性结论。

边界：仅可用于判断研究方向与后续追问，不得外推为方法有效、优于基线或可生产部署。

下一步：monitor DOI/arXiv/author channels; do not infer method or results from the title

研究焦点：研究训练、在线推理与离线数据任务共享 GPU 池时，如何把随业务潮汐持续释放/回收的物理 GPU 转化为任务真正可消费的有效算力。

方法证据：共作者技术总结披露 TIDAL 采用 Federation Layer + Sub-cluster Layer 两层调度：全局层综合空闲与可回收资源生成 placement，子集群执行节点过滤、Pod 放置、抢占与弹性扩容；核心机制可概括为 Reclaim（协同优先级抢占）、Absorb（运行中任务持续弹性吸收空闲资源）和 Align（step-aware scheduling 按业务合法扩展粒度分配可用 GPU）。

主题价值：它把 GPU 调度目标从“分配空闲卡”推进到“同时感知优先级、潮汐变化和并行执行粒度，最大化 usable GPU”，对训练/推理混部和大规模联邦集群调度具有直接系统价值。

结果状态：共作者技术博客报告生产上线前后平均 GPU Utilization 由 31.82% 升至 43.38%（+11.56 个百分点），SM Activity 由 20.41% 升至 29.77%（+9.36 个百分点），GPU Memory 使用约下降 1.70 个百分点；这些数字尚未与 camera-ready manuscript 的实验表逐项核对。

边界：共作者技术博客属于强 source-backed method/result signal，但不是 WAICA camera-ready manuscript；不能据此确认论文全部实验设置、集群规模、对照基线、统计窗口或因果归因，也不计入 full_text_reviewed coverage。

下一步：resolve manuscript/proceedings PDF and reconcile the coauthor technical summary against the camera-ready paper before full-text promotion