使用深度学习模型预测心电图，R2达到0.949，减少结构不确定性。
Shaheim Ogbomo-Harmitt, Cesare Magnetti, Jakub Grzelak 等
提出VH-CBM，结合VLM与少量专家标注，通过高斯过程提升概念准确性与校准。
Nicola Debole, Andrea Passerini, Stefano Teso 等
OCH3R采用Transformer实现单图多目标3D重建，速度快、精度高。
Yi Du, Yang You, Xiang Wan 等
提出CRAFT，通过临床奖励微调提升医学图像合成的临床对齐性，显著改善低对齐样本比例。
Yunsung Chung, Alex El Darzi, Carlo El Khoury 等
CUActSpot基准测试通过数据合成和多模态评估提升GUI复杂交互性能，Phi-Ground-Any-4B模型表现优异。
Miaosen Zhang, Xiaohan Zhao, Zhihong Tan 等
SenseNova-U1通过NEO-unify架构统一多模态理解与生成，提升视觉-语言模型性能。
Haiwen Diao, Penghao Wu, Hanming Deng 等
CausalCine通过因果自回归框架实现实时多镜头视频生成，显著提升了跨镜头一致性和交互性。
Yihao Meng, Zichen Liu, Hao Ouyang 等
AlphaGRPO通过分解验证奖励提升UMMs的多模态生成能力，显著提高GenEval等基准测试表现。
Runhui Huang, Jie Wu, Rui Yang 等
OmniNFT通过模态感知的在线扩散强化学习框架提升音视频生成的质量和同步性。
Guohui Zhang, XiaoXiao Ma, Jie Huang 等
FuTCR框架在持续全景分割中提升新类全景质量达28%，同时提高基础类性能。
Nicholas Ikechukwu, Keanu Nichols, Deepti Ghadiyaram 等
提出基于同步多视角的3D高斯点云优化方法，无需时间耦合，实现高效动态场景重建。
Yunxiao Zhang, Suryansh Kumar
MoCam利用结构化去噪动态在扩散模型中实现几何与外观的统一新视角合成。
Haofeng Liu, Yang Zhou, Ziheng Wang 等
提出感知熵以解决流模型RLHF中的多样性崩溃，提升质量与多样性（PEC score 0.734）
Xiaofeng Tan, Jun Liu, Bin-Bin Gao 等
BARISTA利用密集标注场景图实现多任务场景理解，涵盖185个真实咖啡制作视频。
Patrick Knab, Orgest Xhelili, Inis Buzi 等
Chronicles-OCR通过阶段自适应标注范式，评估VLLMs对中国文字演变的跨时空视觉感知能力，包含2800张图像。
Gengluo Li, Shangpin Peng, Xingyu Wan 等
PointForward通过点对齐表示实现驾驶场景的快速无监督重建，显著提升多视角一致性。
Cheng Chi, Xianqi Wang, Hongcheng Luo 等
提出A3机制，通过自验证前缀动态确定执行范围，在多任务中提高成功率和推理效率。
Feng Chen, Xianghui Wang, Yuxuan Chen 等
LaSCD方法通过拉普拉斯能量减少视觉幻觉，提升准确率。
Fanpu Cao, Xin Zou, Xuming Hu 等
CADBench评估11个模型在6类指标与18,000样本上的多模态CAD程序生成性能。
Anna C. Doris, Jacob Thomas Sony, Ghadi Nehme 等
提出PaMoSplat，结合部件感知与运动先验的动态高斯点云重建框架，显著提升渲染与追踪性能。
Yinan Deng, Jianyu Dou, Jiahui Wang 等