CoFree框架通过两阶段方法解决LLM嵌入学习中的推理崩溃问题，提升了2.8 nDCG@10。
Zihan Gong, Xiaohan Ye, Jiangchao Yao 等
MERIT-Rank通过多视角推理空间和渐进优化策略提升文本重排序性能，4B模型在BRIGHT上超越7B和32B模型。
Lijun Liu, Zhengzong Chen, Wenyan Li 等
MSS-Complement方法在编码代理中恢复状态条件下的最小充分证据，五项覆盖率达73.0%。
Zhexi Feng, Ruiyi Zhang, Yongbo Yang 等
通过自然语言用户档案生成透明推荐，验证UPR方法在Amazon和TripAdvisor数据集上的表现。
Noah Mamié, Laurin van den Bergh
通过密集特征表示和优化提升CVR预测AUC至0.828535。
Yi Zhang, Weiliang Ji
SELF-INDEX框架通过自我进化提高检索性能，在BRIGHT等数据集上表现优异。
Sangam Lee, Wonjae Lee, Sunghwan Kim 等
G3RAG通过几何增益图实现零令牌构建，提升多跳RAG性能，F1提高4.26分。
Zeliang Li, Xiaofen Xing, Kailing Guo 等
嵌入手术：在密集检索中进行自适应排名修正，nDCG@10提升60.64%。
Maddalena Amendola, Antonio Mallia, Raffaele Perego
AlleCompanion框架结合Two Tower架构和ComCat映射，实现推荐准确率提升。
Aleksandra Osowska-Kurczab, Klaudia Nazarko, Eliška Kosturová 等
重复查询会耗尽LLM的品牌推荐，但不会耗尽其来源。
Dmitrij Żatuchin
SAM-D2Q通过多模态文档扩展提升电商搜索，GMV提高3.38%。
Hui Zhou, Jian Hui Ji, Lei Ma 等
Dice Roll方法提供LLM品牌推荐审计的标准协议，可靠性预测准确。
Dmitrij Żatuchin
UniCon采用以上下文单元为核心的统一建模架构，显著提升CTR预测性能。
Jiajun Cui, Zhengqi Xu, Fan Zhang 等
OrthoRec通过正交净化和拓扑引导的专家混合模型提升多模态推荐性能，在亚马逊数据集上表现优异。
Jialin Liu, Zhaorui Zhang, Ray C. C. Cheung
以MinHash LSH与语义去重构建PersonaGen-1M，得103万意图标注买家画像。
Dmitrij Żatuchin, Daniil Dzemesjuk
QUEST系统利用信息检索和LLM评估，识别庇护申请中可信度指标，达成较高检索效果。
Maria Vlachou, Anna Murphy Høgenhaug, Mohammad N. S. Jahromi 等
利用大语言模型和文本嵌入实现长文视频匹配，提升用户互动。
Arnaud Corone, Brice Pierre de la Briere, Gladys Roch 等
提出HubMixer，通过引入少量可学习潜在中心实现高效异构特征交互，参数节省显著。
Jie Zhou, Zixian Gong, Wenhao Li 等
提出AMUR框架，利用信息论引导选择性模态兴趣对齐，提升多模态推荐性能。
Wenze Ma, Chenyu Sun, Yanmin Zhu 等
LitCurate利用大语言模型构建低幔壳岩石状态方程数据库，包含1334条记录。
Abin Shakya, Wilson Samuels, Dominica Wilson 等