通过多任务BiLSTM和AutoML对印尼电商评论进行情感和情绪分类，达到了高精度。
Hermawan Manurung, Ibrahim Al-Kahfi, Ahmad Rizqi 等
提出HDET方法，通过自动学习率探索提高大模型训练的优化质量和泛化能力。
Hailing Cheng, Tao Huang, Chen Zhu 等
提出了一种基于RGB-D视觉SLAM的通道感知结构映射方法，能有效检测门和可通行开口。
Ali Tourani, Miguel Fernandez-Cortizas, Saad Ejaz 等
Energy-Arena是一个动态基准平台，提升能源预测透明度和可比性。
Max Kleinebrahm, Jonathan Berrisch, Philipp Eiser 等
SciCrafter基于Minecraft评估AI从发现到应用的能力，当前模型成功率仅26%。
Zhou Ziheng, Huacong Tang, Jinyuan Zhang 等
MoT-HRA框架从大规模人类演示中学习人类意图先验，提高机器人操作的运动合理性和控制鲁棒性。
Yifan Xie, YuAn Wang, Guangyu Chen 等
雷达-KISSICP和雷达-IMU在越野环境中改进了轨迹估计。
Shaunak Kolhe, Peng Jiang, Maggie Wigness 等
ACO-MoE方法在动态扰动下恢复95.3%性能，提升视觉强化学习鲁棒性。
Zhengru Fang, Yu Guo, Fei Liu 等
结合数据驱动计算设计与反馈驱动协作机器人制造，实现异形结构的木材再利用。
Arash Adel, Daniel Ruan, Ruxin Xie
DenSNet通过等变神经网络和$Δ$-学习策略提升分子动力学模拟的电子结构预测。
Mihail Bogojeski, Muhammad R. Hasyim, Leslie Vogt-Maranto 等
通过隐式探索在带有旁观反馈的赌博问题中实现高效学习，算法具有接近最优的遗憾保证。
Tomas Kocak, Gergely Neu, Michal Valko 等
通过部署一致的低精度神经架构搜索，提升空间边缘AI的精度和效率，mIoU达0.826。
Parampuneet Kaur Thind, Vaibhav Katturu, Giacomo Zema 等
通过Score-Induced Guiding Vector Field (SGVF)模型实现复杂路径的向量场生成，提升机器人导航能力。
Zirui Chen, Shiliang Guo, Shiyu Zhao
SeaEvo通过策略空间进化提升算法发现，系统优化任务中相对提升21%。
Sichun Luo, Yi Huang, Haochen Luo 等
基于散度的方法在小样本情况下优于传统模型加权方法。
Olav Benjamin Vassend
通过表示稳定性提高表格检索的鲁棒性，使用中心化平均法减少格式特异性偏差。
Kushal Raj Bhandari, Adarsh Singh, Jianxi Gao 等
DeepTaxon：一个用于统一物种识别和发现的可解释检索增强多模态框架，显著提高识别和发现准确率。
Jiawei Wang, Ming Lei, Yaning Yang 等
Kolmogorov-Arnold网络的普适性只需一个非仿射函数。
Vugar Ismailov
Learn&Drop方法通过层丢弃加速CNN训练，ResNet-152前向传播FLOPs减少83.74%。
Giorgio Cruciata, Luca Cruciata, Liliana Lo Presti 等
研究表明，符号回归中的架构选择对目标公式的恢复至关重要，使用EML操作符进行测试。
Chakshu Gupta