提出LRNBA架构，通过线性重用神经基实现参数高效压缩，训练稳定。
Binshuai Wang
NashDreamer利用集中式模型学习实现零和不完美信息博弈中的策略收敛，显著提升样本效率。
Tomáš Holeček, Viliam Lisý
LatentPress通过连续记忆标记实现4-16倍压缩，无需文本重建，提升长文和对话理解效率。
Zhengze Zhou, Hejian Sang
FCCA方法在低资源LLM适配中表现出色，Qwen2.5-3B上超越其他方法2.3分。
Wentao Ye, Zhanming Shen, Zhiqing Xiao 等
引入深度算子网络（DeepONet）结合生成对抗网络（GAN）实现高分辨率降水预报，提升长时预测的稳定性与物理一致性。
Mohammad Kian Golkar, Luciano Alves de Oliveira, Mohammad Khanjani
ECCBench评估视觉语言模型的记忆能力，超越准确性。
Shmuel Berman, Jia Deng
本研究发现对比偏好优化中的教师模型会无意中传递谄媚行为，影响模型对抗性。
Camila Blank, Zhuofan Ying, Christopher Potts 等
液体门控注意力（LGA）通过输入驱动的门控机制实现连续时间建模，具有线性时间复杂度。
Yiheng Jiang, Yuanbo Xu, Yongjian Yang
本论文系统梳理了2025-2026年优化器的多维设计空间，包括矩阵感知、时序估计和系统表示，强调无单一优胜方案。
Ruoran Xu
本研究优化了Relief类算法（如MultiSWRF*、μ-Relief）以增强交互敏感特征选择，显著提升检测2阶交互的能力。
Kia Kazemi-Nia, Harsh Bandhey, Philip J. Freda 等
DARTS通过Entropy加权L1和位置偏置修正，改善解码器模型的表示偏差，提升多任务模型性能。
Aaryan Ajay Sharma, Sai Nishanth Padala, Seganrasan Subramanian
提出Gibbs加权框架，结合模型误差，提升多模型预测性能，适应不同场景。
Prasen R. Nuthanakaluva, Nava K. Gaddam
PhyMamba框架通过物理调制实现电池健康预测，平均误差减少31.8%。
Sara Sameer, Yunyi Zhao, Wei Zhang 等
提出快速权重注意机制，结合归一化第一阶更新，优化持续学习中的长序列建模。
Yifan Zhang, Steve Ta, Jasper Zhang 等
通过能量距离蒸馏方法，将多步扩散模型压缩为单步学生模型，提升天气预报效率。
Yiming Yang, Valentin Brekke, James Briant 等
提出信息底线与模型差距概念，量化平行草拟的极限，数据表明模型仍远高于底线。
Xinwei Qiang, Xiang Fang, Chang Chen 等
提出TRACE-CRC，利用轨迹自适应校准实现多步CSI预测的不确定性控制，显著提升轨迹覆盖率。
Kiarash Rezaei, Mehdi Sattari, Javad Aliakbari 等
提出特征几何分析，界定最优协方差包络的紧致性，基于容量采样与无加权最小二乘。
Kihun Rhee
VGAS通过减少方差和自适应选择实现无训练奖励对齐，提升生物序列生成效果。
Kwanyoung Kim
提出基于奇异值分解的通道组共享低秩逼近，有效压缩大核卷积点式卷积参数。
Hao Luo, Yiting Yang, Wenyi Zhao 等