ALIGN通过对抗学习提高跨会话语音神经假体的泛化能力，显著降低音素和单词错误率。
Zhanqi Zhang, Shun Li, Bernardo L. Sabatini 等
RAMP通过强化学习自适应混合精度量化，实现设备上LLM高效推理，提升6%模型大小和1-3%质量。
Arpit Singh Gautam, Saurabh Jha
使用LoRA适配器和强化学习实现小型LLM的高效推理，显著降低响应长度。
Yelysei Bondarenko, Thomas Hehn, Rob Hesselink 等
HorizonMath通过自动验证框架评估AI在数学发现上的进展，GPT 5.4 Pro在两个问题上取得突破。
Erik Y. Wang, Sumeet Motwani, James V. Roggeveen 等
通过有效蒸馏，将xLSTM架构应用于大型语言模型，恢复甚至超越教师模型性能。
Lukas Hauzenberger, Niklas Schmidinger, Thomas Schmied 等
PokeAgent挑战通过Pokemon战斗和RPG环境测试AI决策能力，提供20M+数据集和标准化评估框架。
Seth Karten, Jake Grigsby, Tersoo Upaa 等
PhysMoDPO通过偏好优化生成符合物理的类人运动，提升真实感和任务性能。
Yangsong Zhang, Anujith Muraleedharan, Rikhat Akizhanov 等
采用联合嵌入预测架构（JEPA）在潜在空间中学习物理系统表示，显著提高参数估计精度。
Helen Qu, Rudy Morel, Michael McCabe 等
通过CWRF方法，仅调整关键权重以在保持效用的同时增强隐私保护。
Xingli Fang, Jung-Eun Kim
MXNorm通过重用MXFP8块缩放来高效归一化张量，减少32倍归约需求。
Callum McLean, Luke Y. Prince, Alexandre Payot 等
ZO-SAM通过零阶优化减少计算开销，提高稀疏训练的效率和鲁棒性。
Jie Ji, Gen Li, Kaiyuan Deng 等
BoSS通过集成多种选择策略，提升深度主动学习的性能，尤其在大规模数据集上表现优异。
Denis Huseljic, Paul Hahn, Marek Herde 等
通过学习先验模型实现零超参数的多角分析，验证成本降低10倍。
Wei W. Xing, Kaiqi Huang, Jiazhan Liu 等
线性化注意力机制中的影响可塑性：非收敛NTK动态的双重影响。
Jose Marie Antonio Miñoza, Paulo Mario P. Medina, Sebastian C. Ibañez
DDIM反向链作为分区迭代函数系统，提供去噪扩散模型的统一设计语言。
Ann Dooms
通过FLUX的变分自编码器潜在空间实现色彩控制，揭示了色相、饱和度和亮度的结构。
Mateusz Pach, Jessica Bader, Quentin Bouniot 等
可分离神经架构（SNA）通过约束交互阶数和张量秩，实现统一的预测和生成智能。
Reza T. Batley, Apurba Sarker, Rajib Mostakim 等
STAMP框架利用极坐标机制在文本隐私保护中实现更优的隐私-效用平衡。
Fengwei Tian, Payel Bhattacharjee, Heidi Hanson 等
通过时间拉直提升潜在规划的表现，成功率提高20-60%。
Ying Wang, Oumayma Bounou, Gaoyue Zhou 等
RandOpt方法通过随机扰动和集成投票提升大规模模型性能，尤其在预训练权重附近。
Yulu Gan, Phillip Isola