MoganColBERT-TR通过MaxSim实现多向量检索，在五个土耳其语BEIR数据集上零样本表现优异，超越同类模型。
Furkan Yilmaz, Habibe Aleyna Tasdemir, Muhammed Faruk Gozay
DEDUCE框架通过三阶段流程提高LLM对输入事实扰动的鲁棒性，实验显示准确率提升20%。
Ping Wang, Xiangguo Sun, Bingbing Xu 等
AWM-GRPO方法提升长文档VQA准确性8.1和11.9点。
Dongzhuoran Zhou, Yuqicheng Zhu, Yule Liu 等
TOPAS通过联合调度前缀缓存与请求，优化多智能体LLM服务中的任务完成时间，提升性能达39.8%。
Hongqiu Ni, Han Tian, Chi Zhang 等
DCGC通过掩码扩散模型实现复杂推理的全局校正，提升准确率24.8%。
Minhae Oh, Nakyung Lee, Jungwoo Lee
提出贝叶斯评估框架，结合检索成功、放弃行为与答案正确性，分析27个RAG配置差异。
Pius von Däniken, Felix Matthias Saaro, Mark Cieliebak 等
SkillForge通过持续验证和演化技能，提升RL代理性能，实验在ALFWorld等环境中优于SkillRL。
Shidong Yang, Ziyu Ma, Tongwen Huang 等
量化对Bangla语言理解的影响：GPTQ-Int8和GPTQ-Q8在Bangla基准上保持高精度。
Ismail Hossain, Nafi Ullah Shafin, Mohammad Abdullah Al Mumin
AgentSpec通过结构隔离起草和冗余感知预算分配，提升LLM代理推理效率。
Xin Wang, Ziming Miao, Yi Zhu 等
本研究评估大规模语言模型（LLMs）在创造性文本自动评价中的局限，发现自动指标与人类评价显著偏离。
Alessandro Tutone, Giorgio Franceschelli, Mirco Musolesi
提出SWE Refactor Bench，用三阶段评估编码代理的长远全仓库迁移能力，成功率仅5.4%。
Deyao Hong, Yizhe Chi, Wenyi Li 等
ConvergeFlow通过流动匹配实现连续空间收敛到有效的Token嵌入，无需交叉熵解码器。
Na Li, Yuchen Jiao, Changxiao Cai 等
提出基于Claim提取与对齐的跨语种传记丰富框架，利用非英语维基百科提供的证据显著提升英语传记内容。
Yifei Song, Ziyang Chen, Emil Sayilov 等
FormuEvo利用LLM引导的进化算法优化混合整数规划（MIP）公式，提升求解效率至5.5倍。
Haofeng Yuan, Jianing Peng, Jieyi Bi 等
引入Credal大语言模型（CLLM），通过LoRA集成产生可信区间，提升不确定性表达和问答性能。
Shireen Kudukkil Manchingal, Sofiia Nikolenko, Fabio Cuzzolin
DRY方法在采样时调整logit，减少47%循环，提升词汇多样性。
Philipp Emanuel Weidmann, Allen Roush, Judah Goldfeder 等
XTC通过排除高概率选项提高生成多样性，Distinct-2提升15%，三元组重复减少47%。
Philipp Emanuel Weidmann, Allen Roush, Judah Goldfeder 等
Kernel Token Contradiction (KTC) 提供了一种快速且高效的LLM声明不确定性量化方法，速度提升8.2倍。
Jérémie Dentan, Alexi Canesse, Mahammed El Sharkawy 等
Bulbul数据集支持多方言阿拉伯语语音识别，涵盖11个阿拉伯国家。
Ahmed Ashraf, Aisha Alansari, Fadel Al Abbas 等
GUI-Primitives基准测试揭示了视觉语言模型在GUI空间推理中的局限，最高准确率仅32%。
Md Abrar Jahin, Md Rizwan Parvez