提出近似投机解码（ASD），无需训练，通过预算最长前缀选择提升解码吞吐量达15.26%。
Yuannuo Feng, Zegang Peng, Yuxin Xie 等
Maglev结合滑动窗口注意力与固定记忆，通过偏预测器生成目标记忆，提升长序列建模性能。
Bo Liu, Qiang Liu
Z-PEFT利用层级谱特征实现零样本背门检测，达成最高AUROC 0.9433。
Nicola Pitzalis, Donald Shenaj, Giacomo Cignoni 等
HindSearch引入轨迹级后见之明批评，通过金标准答案提升搜索增强强化学习性能，达39.4%平均EM。
Haowei Liu, Jiamian Wang, Hsin-Tai Wu 等
AlphaG-OPD通过结构化在策略蒸馏提升符号因子发现的可靠性，在多市场表现优异。
Yaoyu Su
AOSpec通过联合推测动作与观察，优化低延迟智能体服务，平均端到端延迟降低11.8%-32.5%。
Hao Mark Chen, Jinnan Guo, Wayne Luk 等
通过代理贝叶斯优化，Sara在动态环境中超越传统方法。
Paul Brunzema, Louis Tiao, Nhat Le 等
AutoCause通过多方法融合自动化环境时间序列因果发现，提升可重复性和审计能力。
Marco Ruiz, Miguel Arana-Catania, David R. Ardila 等
OnlineCache通过动态缓存和纠错提升扩散模型推理效率，FLUX.1-dev模型加速近3倍。
Zhikang Xie, Xichen Ye, Yifan Wu 等
提出DASH-OPD，基于偏差感知的双向切换机制，有效提升多轮智能体训练效率与性能。
Yuchen Xia, Qianguo Sun, Chao Song 等
利用MACE特征的粗细传输距离（CFTD）评估材料生成模型的质量和新颖性。
Paul Hagemann, Katharina Ueltzen, Simon Müller 等
LM-GRASP通过在线模仿学习，利用Transformer生成实例特定的组合优化解，超越传统启发式。
Mohand Mezmaz, Grégoire Danoy
Flux-OPD通过演化上下文，利用逆KL分解实现稳定的开域知识蒸馏，优于现有OPD方法。
Yuran Wang, Zekun Wang, Bohan Zeng 等
提出扩展-压缩框架，通过多教师策略蒸馏提升推理能力，Qwen3-1.7B模型在数学推理等领域提升2.0%-8.3%。
Songshuo Lu, Zhi Chen, Yaohua Tang
提出双目标代理模型指导神经集成搜索，显著提升多样性与性能。
Alexandr Udeneev, Petr Babkin, Oleg Bakhteev
提出“地平线残差”指标，基于短阶段预测评估长远任务失败原因。
Chao Peng, Zhiheng Lyu, Peijie Dong 等
采用梯度、进化和一-shot方法的交通预测NAS，提升模型自动化设计效率。
Truong Giang Vu, Li Yang, Richard W. Pazzi
使用扩散生成框架从稀疏观测中重建城市空气质量，模型在巴黎数据集上表现优异。
Abhishek A. Sabnis, Mihai Mitrea, Lya Lugon 等
MemSFT通过外部参数记忆缓解模型微调中的对齐税，提升领域性能且保持通用能力。
Jiarui Wang, Xiang Shi, Jiaqi Cao 等
本研究复现并扩展Contrastive Decoding（CD）在MLLM中减轻对象幻觉的效果，发现其提升多为虚假。
Arnav Bendre, Guneesh Gupta, Kavish Grover 等