测试时原型自适应：一个与模型架构无关的开放词汇分割即插即用模块
提出一种无需训练的即插即用模块TPA，在测试时利用少量无标签部署域图像构建DINO特征原型库，通过余弦相似度查找与主机logits线性融合，以输出级操作一致提升多种OVSS模型的精度。
PengChao
医学VLM的跨机构可靠性审计：参考标准一致性估计
本文评估了三种生成式视觉语言模型在三个机构胸部X光数据集上的参考标准一致性，发现错误模式随机构、发现和提问方式显著变化，并严格验证了在排除目标机构数据的情况下，自适应选择估计器未能优于简单的固定策略。
冻结的脉冲世界模型如何适应执行器变化？SpikeWorld用预测驱动的外部状态给出答案
SpikeWorld的核心洞察在于一个关键区分：适应环境变化，不一定非要动模型参数。论文提出，我们可以把“世界知识”和“当前偏移状态”彻底分开——前者冻结在脉冲Transformer的参数里，后者放在一个轻量的外部模块中。这个外部模块不看环境真值，只靠预测下一帧的误差来驱动更新。这样一来，模型对相同输入给出的语义输出，比特级完全不变。
BRACE：用重心有理预测驯服DiT特征轨迹的尖锐不规则性
提出BRACE，一种无需训练的基于重心有理外推的特征预测框架，通过直接聚合稀疏历史特征来替代导数驱动的多项式外推，以稳定处理DiT特征轨迹中的尖锐不规则性，实现高质量加速推理。
物理先验蒸馏：让流式世界模型学会因果推理
提出PhyS三阶段框架，通过构建物理交互数据集PhyS-120K、物理感知微调与蒸馏、以及时序信用路由（TCR）在线强化学习，提升流式世界模型长时推演的物理合理性。
维纳表示滤波：零成本抑制视觉语言模型幻觉
提出一种无需训练、基于维纳滤波的表示编辑方法，通过离线估计真实与幻觉表示的协方差结构，将校正算子吸收到模型权重中，从而在推理时零成本地抑制视觉语言模型的对象幻觉。
ComplexityWorld：当视觉语言模型面对可验证的全局决策
提出ComplexityWorld基准，通过390个任务评估VLM从多样化视觉场景中恢复约束并构建全局有效结构化决策的能力，揭示出显著的视觉到决策瓶颈。
InsertFuse：先分后合，解决多类别图像插入的任务冲突
提出 InsertFuse 框架，通过分离类别专家训练与跨类别能力整合，并引入 Token-Aligned Geometry Conditioning (TAGC)、Region-Balanced Flow Matching 和 Reference CFG，解决了多类别图像插入中的任务冲突与精细控制难题。