LifeSim通过BDI模型模拟用户认知，提升个性化助手评估。

Feiyu Duan, Xuanjing Huang, Zhongyu Wei

MDER-DR框架通过实体中心的摘要提高多跳问答性能，提升66%。

Riccardo Campi, Nicolò Oreste Pinciroli Vago, Mathyas Giudici 等

IsalGraph方法将有限简单图表示为九字符指令字母表上的紧凑字符串，适用于图相似性搜索。

Ezequiel Lopez-Rubio, Mario Pascual-Gonzalez

GLM-OCR结合CogViT视觉编码器和GLM语言解码器，提升文档理解效率。

Shuaiqi Duan, Yadong Xue, Weihan Wang 等

我们发布了一个大型双语图书馆目录数据集，支持基于GND的多标签分类。

Jennifer D'Souza, Sameer Sadruddin, Maximilian Kähler 等

通过LLM辅助生成MIPVU规则脚本，实现可解释的中文隐喻识别，跨协议比较显示协议选择是主要变异来源。

Weihang Huang, Mengna Liu

OpenClaw-RL通过异步架构利用下一状态信号实现在线个性化和通用智能体训练，融合评估与指令信号。

Yinjie Wang, Xuyang Chen, Xiaolong Jin 等

引入DOWIS数据集，评估语音大语言模型在多语言环境下的指令跟随能力，发现文本提示优于语音提示。

Maike Züfle, Sara Papi, Fabian Retkowski 等

N-gram模型在预测阅读时间上表现最佳，因其对简单统计更敏感。

James A. Michaelov, Roger P. Levy

提出StateFactory，通过层次化对象-属性结构实现跨域奖励预测，零-shot EPIC距离降低60%。

Yijun Shen, Delong Chen, Xianming Hu 等

提出结合自适应循环和记忆库的Transformer模型，在数学推理任务中性能提升22%，常识任务恢复性能。

Markus Frey, Behzad Shomali, Ali Hamza Bashir 等

Ramsa语料库提供阿联酋阿拉伯语的ASR和TTS基线，Whisper-large-v3-turbo表现最佳。

Rania Al-Sabbagh

提出LongNAP，结合参数和检索机制，基于360K行为数据，利用策略梯度训练，显著优于基线模型。

Omar Shaikh, Valentin Teutschbein, Kanishk Gandhi 等

提出多语云语料库，涵盖孟加拉民族语言，结合系统田野采集与IPA转录，推动低资源语言数字化。

Mohammad Mamun Or Rashid

提出IF-RewardBench，构建多样化指令和偏好图，显著评估判别模型性能。

Bosi Wen, Yilin Niu, Cunxiang Wang 等

GOLF通过整合群组级自然语言反馈提升强化学习探索效率，样本效率提升2.2倍。

Lei Huang, Xiang Cheng, Chenxiao Zhao 等

SafeCRS通过Safe-SFT和Safe-GDPO实现个性化安全对齐，显著降低安全违规率。

Haochang Hao, Yifan Xu, Xinzhuo Li 等

BeyondSWE基准评估代码智能在跨仓库、领域知识、依赖迁移和文档生成中的表现，最佳模型仅达56.65分。

Guoxin Chen, Fanzhe Meng, Jiale Zhao 等

本文系统分析了多种块级缓存（CLC）策略的局限性与互补性，提出结合技术提升准确率。

Samuel Cestola, Tianxiang Xia, Zheng Weiyan 等

RLAR利用LLM自主检索和合成奖励模型，提升多任务强化学习性能10-60%。

Andrew Zhuoer Feng, Cunxiang Wang, Bosi Wen 等