提出物理支持置信集方法，应对高相干字典中支持的物理解释不唯一问题。
Guan-Ju Peng
利用PCMCI+算法从105份HSAT数据学习睡眠呼吸障碍的动态因果图，揭示性别和年龄差异。
Ranveer Singh, Saurabh Mathur, Pranuthi Tenali 等
提出二维模型RLCT的确定性算法，适用于多项式距离模型，提升模型选择准确性。
Grégoire Sergeant-Perthuis, Elias Tsigaridas, Jules Tsukahara
SAE-Xplainers结合地理调制和规则模型，实现极端天气事件的可解释性，提升重建性能与理解能力。
Hugo Porta, Emanuele Dalsasso, Chang Xu 等
提出AdamW有限时域输入-状态-输出模型，揭示 minibatch 影响的延迟机制。
Kang Liu, Suyan Li
本研究揭示折扣最小二乘法的时间一致自归一化界限存在极限，提出修正方案。
Yi-Shan Wu
MeanFlow-Transfer和CAMF在有限数据下实现快速生成器域适应，FID提升29%。
Yara Bahram, Zahra Dehghani, Mélodie Desbos 等
提出Group-Calibrated On-Policy Distillation（GC-OPD），在长上下文推理中通过响应级验证器奖励校准偏差，提升五项基准平均分从29.08提升至40.47。
Zhu Zhang, Jixun Wang, Xiaoang Xu 等
MDTIM模型通过离散化时间序列实现更高效的插补，提升了30%的准确性。
Dongbin Kim, Seungyun Lee, Geonwoo Shin 等
引入Penrose张量符号的图示法，映射PyTorch einsum，提升可解释性与重现性。
Pietro Barbiero
提出数据共观（co-observation）作为持续学习的第三关键因素，系统分析其对模型泛化的影响。
Timm Hess, Abhishek Jha, Gido M. van de Ven 等
RP1通过学习多步计划优化规则，在视觉导航和机器人任务中实现了比手工设计搜索算法更优的性能，使用千倍更少的模型滚动。
Armin Sommer, Jannik Schilling
提出DAEI，结合残差去噪自编码器，有效反演噪声保护文本嵌入，BLEU提升154%。
Yubo Wang, Shujie Cui, James Bailey 等
提出基于贝叶斯优化的采样调度方法OYS，有效缩减采样步骤至5步，保持89%-94%的样本质量，显著降低计算成本。
Travis Zhang, Christian Belardi, Justin Lovelace 等
提出“效果-无损”框架，强调符号音乐中坐标系统的重要性，验证其对预测压缩的影响。
Yi Wang
提出任务专属微调（TSFT）框架，通过预算优化提升CRL任务覆盖率，实验显示优于基线。
Jianan Zhou, Jung-Hoon Cho, Tianyue Zhou 等
提出LACE（局部增强控制变差估计）用于条件性语言模型评估，利用廉价辅助信号显著提升效率。
Zhi Zhang, Lingfeng Lyu, Yue Kang 等
提出层适应性正则化策略，基于Hessian最大特征值改善连续学习中的遗忘问题。
Brian B. Moser, Ahmed Anwar, Tobias Christian Nauen 等
SubZero+通过大学习率提升零阶优化稳定性，在SuperGLUE上优于现有基线。
Ziming Yu, Shuyao Xiao, Xingyu Zhao 等
提出AATC，通过变换编码实现KV缓存压缩，达5.8×无损效果。
Hannah Laus, Claudio Mayrink Verdun, Hao Wang 等