提出TAGR，结合时间自适应的生成推荐框架，提升直播广告效果，提升8.5%用户进入率。
Wencai Ye, Guangyi Liu, Chaoyi Wang 等
Wontopos Tablet 2通过无词汇匹配的方式实现多语言和多模态记忆检索，在LongMemEval-S上得分95.7%。
Sunwoo Kim
提出图工程构建系统智能，利用任务结构、协调机制和状态管理实现多智能体协作。
Yuyuan Feng, Zhishang Xiang, Chaobin Yang 等
KoViDoRe利用多阶段数据生成，构建韩文多页结构化文档检索基准，揭示模型在复杂场景下的性能不足。
Yongbin Choi, Yongwoo Song, Mujeen Sung
提出CAIRO框架，结构化大规模元数据实现用户上下文感知的个性化商品画像，提升LLM重排序效果。
Dojun Hwang, Seunghan Lee, Cheonyoung Park 等
基于卷积-注意力混合架构的Daedalus-150M，专为CPU推理设计，采用6个全注意力层和12个短卷积层，训练于599亿Token，性能优于多款同类模型。
Christos Koutsiaris
SCoRD通过语义推理辅助持续蒸馏，提升LLM推荐系统中的检索与重排序性能。
Seunghyun Baek, Gyuseok Lee, Seunghan Lee 等
提出CoRRe，零训练、基于大模型后处理的推荐框架，利用协同信号优化item表示。
Kyungho Kim, Sunwoo Kim, Geon Lee 等
OneModel实现多场景平台级排序，融合用户行为，提升离线和在线指标。
Yinqi Zhang, Peiyu Hu, Yuntian Tang 等
提出离线评价新任务——印象份额预测，利用观察数据实现模型在不同目标桶中的印象分布预测，提升离线评估的前瞻性。
Mohsen Malmir, Houssam Nassif, Danish Nasir Shaikh 等
提出基于控制函数的无偏排序模型，校正位置偏差，提升推荐准确性。
Md Aminul Islam
EXCISE通过查询端模块解决后期交互检索中的排除反转问题，提升排除成功率至0.691。
Mohammed Ali, Abdelrahman Abdallah, Adam Jatowt
基于本体的学生画像与内容个性化框架，利用知识图谱提升自适应学习效果。
José Luiz M. Morais, Arlindo F. da Conceição, Cacilda Encarnação Augusto Alvarenga 等
MemoryCPT通过端到端训练的记忆框架，结合QAD和QAR，显著提升长远对话中的成本-性能比，实验中QPC提升至0.138。
Songxin Lei, Kun Ouyang, Weilin Ruan 等
基于ISMIE框架，Sun通过问卷、神经信号实验分析GenAI对现代信息搜索的影响，揭示偏好变化与认知负荷。
Shuoqi Sun
提出多目标排序模型，结合即时与延迟信号，采用Segment-Aware策略，提升Twitch直播推荐的DAU和ARPU，参数减少41.9%。
Xiaoyi Gu, Julia Tavares, Eder Santana 等
提出MODE算法，优化匹配市场中双向推荐的直接效应互惠最优性，提升匹配数。
Yoji Tomita
提出Tevatron 3.0，集成Megatron核心训练后端，实现大规模MoE重排序器训练，提升效率与模型规模。
Zhichao Xu, Xueguang Ma, Shengyao Zhuang 等
提出Exp-RSFT方法，通过指数奖励加权优化推荐系统，提升了排名表现。
Keertana Chidambaram, Sanath Kumar Krishnamurthy, Qiuling Xu 等
CCFormer结合跨域特征交互与层级序列压缩，提升工业推荐模型性能，达成3.57%CTR增长。
Yunlong Wang, Huizhe Zhang, Haonan Hu 等