VIG-RL通过强化学习实现动态搜索与插入，显著提升验证图像定位性能。
Qinhan Yu, Jun Guang, Chong Chen 等
提出DASH，结合跨域历史和思考轨迹，提升广告用户模拟的决策感知能力。
Zipeng Chen, Jiaer Zheng, Xiangyang Xu 等
提出SpecFormer，通过谱软化和谱注意机制缓解推荐中的嵌入与注意力崩溃。
Yu Cui, Yi Xu, Jiahao Wang 等
T3EM模型在检索任务中表现最佳(nDCG@10=0.638)，但延迟是开源模型的7-14倍。
Madhav S Baidya
SearchArt利用验证驱动的合成与多阶段微调，提升长远搜索策略，参数27B，达74.39分。
Lang Mei, Xiaohan Yu, Chong Chen 等
DLMRec通过离散扩散语言模型提高推荐系统性能，显著提升召回率和NDCG。
Chengyi Liu, Yongqi Zhou, Junwei Pan 等
RAMP通过屏蔽和对齐路径提高广告推荐准确性，尤其在缺乏个性化特征时。
Dairui Liu, Zhongyi Lu, Roger Zhe Li 等
提出多尺度Q-Net的Matryoshka Hypencoder，参数减少7倍，效果持平。
Majd Alkawaas, Sean MacAvaney
WHALE模型结合Wukong和HSTU架构，在大规模推荐中提升性能。
Renqin Cai, Dawei Sun, Yuanjun Yao 等
提出MESH框架，通过模块化结构缓解异质内容的规模偏差，提升稀疏内容扩展能力，实证在Pinterest平台实现14倍指数提升。
Jiaxing Qu, Yilin Chen, Junpeng Hou 等
SlimPer通过迭代优化<用户-物品>知识库，降低模型复杂度，提升推荐效率。
Siqi Wang, Xianjie Chen, Shaofeng Deng 等
本研究分析多语种关键词和指令注入对大模型相关性判断的影响，发现其易被规避且持续 inflated。
Nguyen Khoi Vo, Duy Duong Tuong, Oleg Zendel 等
引入行为基础的LLM评估器，通过QRI卡提升搜索相关性与用户偏好一致性。
Ali Vardasbi, Gustavo Penha, Enrico Palumbo 等
PlanRAG通过逻辑查询树解决探索性推理问题，提升准确率。
Ganlin Xu, Linghao Zhang, Zhitao Yin 等
SABER-Math通过自动化构建数学信息检索基准，利用大模型提取和排序，显著提升符号密集领域的检索效果。
Nikolay Georgiev, Maria Drencheva, Kseniia Ibragimova 等
提出KG4VD，基于多模态图的长距离视觉文档理解方法，提升多跳问答准确率至44.52%。
Yi-Cheng Wang, Chu-Song Chen
NEXT框架通过NEXT-8B模型实现视频推荐，提升观看时长+0.53%，视频多样性+0.51%。
Yuming Liu, Hongye Yang, Harrison Zhao 等
PETRA利用能域分类与合成监督，提升石油工程检索性能，第一阶段nDCG由0.703升至0.763。
Kirill Dubovikov, Omar El Mansouri, Hachem Madmoun 等
ChartWalker利用层级知识图谱构建跨图表推理路径，提升多模态问答性能。
Ning Tang, Chenghan Xie, Hanyang Yuan 等
采用多语言嵌入（BGE-M3）分析12欧洲语言中66个品牌的AI声誉，发现语言偏差显著，模型选择影响稳定性。
Dmitrij Żatuchin