CAST框架通过语义级转换建模，提升了17.6%召回率和16.0% NDCG，训练加速65倍。
Qian Zhang, Lech Szymanski, Haibo Zhang 等
CS3框架通过循环自适应结构、跨塔同步和级联模型共享，实现了两塔推荐系统的高效在线能力协同，提升了8.36%的广告收入。
Lixiang Wang, Shaoyun Shi, Peng Wang 等
文档作为图像的表示在科学检索中表现不佳，文本+图像交错表示更有效。
Ghazal Khalighinejad, Raghuveer Thirukovalluru, Alexander H. Oh 等
MARC方法通过模块化表示压缩提高推荐系统效率，在线测试提升eCPM 2.82%。
Yunjia Xi, Menghui Zhu, Jianghao Lin 等
通过BERT Score和专家评估，研究ChatGPT-4o、GeminiAI和Perplexity AI在生成泰卢固语孕产健康问答中的表现，Gemini表现最佳。
Anagani Bhanusree, Sai Divya Vissamsetty, K VenkataKrishna Rao 等
NanoVDR通过蒸馏2B视觉语言检索器为视觉文档检索提供了一个70M的文本编码器，保留了95.1%的教师质量。
Zhuchenyang Liu, Yao Zhang, Yu Xiao
提出EISAM优化框架，显著提升长尾项目推荐性能。
Jiaming Zhang, Yuyuan Li, Xiaohua Feng 等
AnchorRec通过锚点对齐防止多模态推荐系统中的位置崩溃，提升推荐准确率。
Yonghun Jeong, David Yoon Suk Kang, Yeon-Chang Lee
FGTR通过层次化LLM推理实现细粒度多表检索，在Spider和BIRD数据集上分别提升F_2指标18%和21%。
Chaojie Sun, Bin Cao, Tiantian Li 等
VLM4Rec通过大规模视觉语言模型实现多模态推荐的语义表示，提升推荐性能。
Ty Valencia, Burak Barlas, Varun Singhal 等
InterDeepResearch通过交互式深度研究实现人机协作的信息检索，提升研究过程的可观察性和实时可控性。
Bo Pan, Lunke Pan, Yitao Zhou 等
FedShare框架通过个性化数据共享和对已共享数据的反向学习，提升推荐系统性能。
Liang Qu, Jianxin Li, Wei Yuan 等
OneRec-V2通过FP8量化推理实现49%延迟减少和92%吞吐量提升。
Yi Su, Xinchen Luo, Hongtao Cheng 等
研究表明，使用LLM生成的伪相关反馈文本能显著提高查询效果，尤其在低资源任务中。
Nour Jedidi, Jimmy Lin
使用结构化链接数据作为记忆层，提升RAG系统的检索准确性，标准RAG提高29.6%，agentic管线提高29.8%。
Andrea Volpini, Elie Raad, Beatrice Gamba 等