Nanjing University of Science and Technology

古籍页面常同时出现纸张老化、水渍变形、虫洞与霉斑，而以往公开的修复基准规模有限、退化多为孤立叠加，难以支撑监督式修复。AncBench 以 100,379 对像素对齐的干净—退化图像，把化学、物理、生物三类退化按先后顺序耦合生成；在此数据上训练的 AncRestore 先估计整页与局部的退化表征，再按退化特征动态选择并分配视觉先验。在 AncBench 测试集上，AncRestore 取得 26.70 dB PSNR、0.9191 SSIM 与 0.1346 LPIPS，字符识别准确率 89.58%。

古籍页面常同时出现纸张老化、水渍变形、虫洞与霉斑，而以往公开的修复基准规模有限、退化多为孤立叠加，难以支撑监督式修复。AncBench 以 100,379 对像素对齐的干净—退化图像，把化学、物理、生物三类退化按先后顺序耦合生成；在此数据上训练的 AncRestore 先估计整页与局部的退化表征，再按退化特征动态选择并分配视觉先验。在 AncBench 测试集上，AncRestore 取得 26.70 dB PSNR、0.9191 SSIM 与 0.1346 LPIPS，字符识别准确率 89.58%。

大模型的安全能力在不同语言间并不一致，同一有害请求换一种语言就可能绕过拒答。研究者先在每种语言内部独立找出与安全行为相关的神经元，再取六种语言候选集合的交集，得到跨语言共享的“安全内核”，并用激活抑制和激活状态迁移验证其功能作用。在此基础上提出的SK-Masked LoRA只把微调更新限制在安全内核对应的前馈网络输出维度上，在多个模型和多语言安全基准上降低攻击成功率，对未参与内核发现的语言也有一定效果。

大模型的安全能力在不同语言间并不一致，同一有害请求换一种语言就可能绕过拒答。研究者先在每种语言内部独立找出与安全行为相关的神经元，再取六种语言候选集合的交集，得到跨语言共享的“安全内核”，并用激活抑制和激活状态迁移验证其功能作用。在此基础上提出的SK-Masked LoRA只把微调更新限制在安全内核对应的前馈网络输出维度上，在多个模型和多语言安全基准上降低攻击成功率，对未参与内核发现的语言也有一定效果。

检索增强生成并非有证据就更好，无关证据会拖累生成器，而逐套配置实测收益又要为每个候选检索器重复生成。EviCast把候选检索器的净收益拆成两部分：生成器对受控证据状态的响应，以及该检索器离线输出落在各状态上的分布；前者只需在小校准集上测一次，即可复用于多个检索器。在HotpotQA的14套检索配置上，一次校准用96次生成调用做出14/14正确部署判断，预测误差2.75个F1点，诊断生成调用比逐配置直接测量少80%。

检索增强生成并非有证据就更好，无关证据会拖累生成器，而逐套配置实测收益又要为每个候选检索器重复生成。EviCast把候选检索器的净收益拆成两部分：生成器对受控证据状态的响应，以及该检索器离线输出落在各状态上的分布；前者只需在小校准集上测一次，即可复用于多个检索器。在HotpotQA的14套检索配置上，一次校准用96次生成调用做出14/14正确部署判断，预测误差2.75个F1点，诊断生成调用比逐配置直接测量少80%。

大模型推理训练常用的GRPO只看最终答案对错，答案正确并不代表推理过程可靠，这种“思考—答案错配”在组内样本高度不平衡时会被单个错误奖励放大。S-GRPO在奖励噪声模型下最小化观测优势与潜在优势的期望平方误差，得到闭式的噪声感知组权重，在多个数学推理基准和模型规模上稳定训练，并在标准GRPO几乎学不动的强噪声干预下仍有学习进展。

大模型推理训练常用的GRPO只看最终答案对错，答案正确并不代表推理过程可靠，这种“思考—答案错配”在组内样本高度不平衡时会被单个错误奖励放大。S-GRPO在奖励噪声模型下最小化观测优势与潜在优势的期望平方误差，得到闭式的噪声感知组权重，在多个数学推理基准和模型规模上稳定训练，并在标准GRPO几乎学不动的强噪声干预下仍有学习进展。