PathISE通过学习路径信息量估计，提升知识图问答的准确性与效率。
Shengxiang Gao, Chao Lei, Jey Han Lau 等
RADAR通过条件图扩散生成低冗余通信拓扑，提升准确率和效率。
Zhen Zhang, Wanjing Zhou, Juncheng Li 等
提出EpiGraph，构建包含4.8万篇文献的 epilepsy 领域知识图谱，提升临床推理性能。
Yuyang Dai, Zheng Chen, Jathurshan Pradeepkumar 等
引入PDI指标，通过在线轨迹验证实现技能蒸馏，提升任务转移性。
Yang Zhou, Zihan Dong, Zhenting Wang 等
提出基于LLM的智能代理框架，加速SCIP插件生成，提升MIP求解效率。
Liding Xu, Yugeng Zhou, Sebastian Pokutta
FORTIS基准评估大模型在技能选择和执行中的过度权限行为，发现模型普遍超越最小必要权限，失败率高达62.5%。
Shawn Li, Chenxiao Yu, Han Wang 等
提出单一推理架构优化Alpamayo 1，降低69.23%的推理延迟，保持轨迹多样性。
Yunseong Jeon, Namcheol Lee, Yoonsu Lee 等
ColGraphRAG通过MaxSim多向量评分提升多模态问答中图像检索精度。
Seonok Kim
EvoMAS框架通过执行时多智能体工作流构建提升复杂任务成功率。
Chengdong Xu, Kaiqiang Ke, Ziheng Liu 等
提出WLDS系统，结合事实与逻辑校准，实现多域紧急事件高精度推演。
Zhengqing Hu, Dong Chen, Junkun Yuan 等
提出“绑定约束论”，强调长远任务中调度器（harness）配置对性能影响大于模型，建议披露调度器信息。
Yunbei Zhang, Janet Wang, Yingqiang Ge 等
提出桥接接口理论，区分预测、压缩与赋能，验证完美预测需识别潜在商与控制能力。
Richard Csaky
InciteResearch框架将隐性理解转化为明确研究提案，提升新颖性和影响力。
Jie Yu, Song Qiu
SPEED方法通过浅层预填充和深层解码减少长上下文推理成本，提升效率。
Jungsuk Oh, Hyeseo Jeon, Hyunjune Ji 等
VibeServe利用多智能体循环自动生成定制化LLM服务系统，性能媲美或优于手工优化方案。
Keisuke Kamahori, Shihang Li, Simon Peter 等
SkillRet是一个包含17810个技能的长文检索基准，采用结构化标签提升LLM技能检索效果。
Hongcheol Cho, Ryangkyung Kang, Youngeun Kim
提出利用知识图谱路径作为中间监督，改进自演化搜索代理的问答生成与解答能力，平均提升多跳问答准确率7.3%。
Huyu Wu, Jun Liu, Xiaochi Wei 等
基于信息理论与几何框架，分析LVLM中注意力与FFN的功能解耦，揭示“迷失于注意力”的现象。
Gongli Xi, Ye Tian, Mengyu Yang 等
提出SPARK框架，通过知识图谱实现科学文献中的关系推理，显著优于无结构方法。
Hyobin Park, Taeseop Kim, Dong-Geol Choi
提出SCPRM模型，结合图谱距离进行风险敏感多跳推理，提升KG问答准确率。
Jiujiu Chen, Yazheng Liu, Sihong Xie 等