采用潜变量模型测量在线约会平台中用户对代理沟通的接受度，揭示双向委托不对称性，发现部署意愿明显高于接收意愿。
Daria Leshchikova, Valentina V. Kuskova, Dmitry Zaytsev 等
HLSR结合实时边速与短期预测，采用双阈值检测与驾驶者个性化，显著提升城市交通拥堵缓解效果。
Xiao Wang, Shun Ren Yang, Hui Nien Hung
提出Baobab，将SROIQ本体编译为SDD，用于神经符号学习，提升推理与感知能力。
Olga Mashkova, Asaad Mohammedsaleh, Fernando Zhapa-Camacho 等
提出SRT，基于SuperMemo-2算法的持续预训练调度，提升旧知识保持和新知识获取。
Alankar Atreya, Devesh Batra, Yoages Kumar Mantri 等
本研究分析LLM代理设计AI方法的性能与创新性，发现其多依赖于人类设计空间的重组。
Yikang Yang, Zhengxin Yang, Luzhou Peng 等
提出ASI-Bench基准，评估AI自主探索和科研能力，平均得分从50.91降至26.62，显示系统依赖人类指导。
Junwei Zhou, Zhen Sun, Binyu Li 等
DiSCO通过对抗性提示优化减少图像生成中的不安全内容，ASR降低37.7%。
Tong Zhang, Motasem Alfarra, Carlos Hinojosa 等
提出内部合规评分（ICS），无需训练即可检测模型合规性，揭示规则盲点，验证在多个基准和实际模型中的有效性。
Saisab Sadhu, Aadit Sengupta, Vinay Kumar Sankarapu 等
本论文提出结合深度强化学习与启发式算法的TTP-D模型，优化集货与路径，提升利润与效率。
Kabir Murjani, Abhay Sobhanan
ADMITOR通过无标签认证提高优化建模精度，候选精度达0.927。
Junbo Jacob Lian, Huiling Chen, Hanzhang Qin 等
提出多字预测（MBP）结合层次模型，利用变长窗口与注意力掩码提升推理速度，性能与吞吐达最优平衡。
Abraham Toluwase Owodunni, Chibuzor Okocha, Christan Grant 等
FoT通过早期投票与路径修剪，减少28.8%推理成本，保持32轨道准确率。
Chanhee Park, Sungbin Han, Jeongho Yoon 等
S2-MoE通过路由感知自我投机扩展与专家重用优化边缘设备上的MoE推理，达成最高5.3×加速。
Haochen Huang, Shengxuan Qiu, Meng Li
提出影响校准（ICSD）改善自我蒸馏中的信任-效用失配，显著提升多任务性能。
Qizhen Lan, Xi Xiao, Xiangchen Guan 等
提出会话交接的任务相对状态传递模型，利用预测等价性实现高效信息压缩。
Masahiro Kato, Taka Kato
Wyvern为多模态报告生成框架，结合信息检索与内容验证，提升87%的图像信息量。
Beatrice Alessandra Motetti, Emilien Guandalino, Daniele Jahier Pagliari 等
提出DHD方法，测量多智能体消息的轨迹价值，发现错误但有用的消息在五个科学基准中普遍存在，超越答案正确性。
Chih-Hsuan Yang, Anjir Ahmed Chowdhury, Cheng-Hau Yang 等
ScienceFlow通过可恢复的可执行状态和ESTRA实现长远自主科研，提升搜索效率。
Mingming Zhao, Jiqian Dong, Kangping Xu 等
Mobius-v0通过知识与推理分离架构，在推理效率上实现近4倍提升，同时保持准确性。
Kai Chen, Jifeng Ding, Ning Ding 等
提出HELIX，通过模型-工具协同进化实现递归自我提升，提升任务覆盖率4.0%及58.0%的验证覆盖。
Tianyu Fan, Chao Huang