提出MO-SB-NESR方法，改善多输出符号回归的物理一致性。
Manuel Rodriguez
本研究基于八个大语言模型（LLMs）在符号回归中的零-shot父代选择操作符生成，验证其在遗传编程中的有效性。
Hengzhe Zhang, Qi Chen, Bing Xue 等
提出DoYouRemember架构，将VQ-VAE、LoRA调优LLM和扩散解码器结合，实现图像记忆重建。
Xuguang Yu, Weigang Zheng, Minyue Yu
提出MMAO：基于内源性资源调控的多智能体优化框架，适用于连续与离散问题。
Jinliang Xu, Liping Ma
提出基于贝塞尔曲线的随机游走优化（BWE），结合距离感知随机游走与自适应曲线阶数调节，实现从全局探索到局部开发的平衡。
Jinpeng Wang, Xingguo Xu, Yujing Sun 等
EvoFlock利用遗传算法实现多智能体运动模型的逆向设计，优化15个参数以满足多目标行为指标。
Craig Reynolds
通过遗传算法优化Reservoir架构（尺寸、谱半径等），揭示其在时空混沌预测中的结构约束，提升预测精度与效率。
Nima Dehghani
本论文首次分析了基于笛卡尔遗传编程（CGP）在演化布尔函数中的运行时间界限，证明了构建n输入合取范式的期望评估次数为O(nD^5)，非严格选择则为O(nD^4)。
Duc-Cuong Dang, Roman Kalkreuth, Andre Opris
提出基于大语言模型的合作算子集演化算法IG-DOE，结合多破坏算子与自动构建，显著提升Permutation Flow Shop调度性能。
Rui Xu, Yufan Liao, Haoze Lv 等
MeEvo结合自然演化与元认知演化，通过循环交替实现自动启发式设计，显著提升复杂问题的搜索效率和稳定性。
Zishang Qiu, Xinan Chen, Rong Qu 等
提出基于边际贡献适应度的协同进化脉冲神经网络集成方法，显著提升多任务性能。
Catherine Rodriquez, James Ghawaly
提出SES，无需训练数据，通过方程残差优化，成功恢复代数与微分方程的符号解。
Sergei Garmaev, Vinay Sharma, Olga Fink
提出Hub-Aware混合搜索策略，结合预处理和Likelihood-pheromone引导LAAT，有效提升宇宙大尺度结构检测效率。
Simone Vilardi, Reynier Peletier, Felipe Contreras 等
本文提出结合GOMEA的符号回归方法GP-GOMEA与实值优化算法RV-GOMEA，实现常数与表达式结构的同时优化，显著提升精度。
Johannes Koch, Tanja Alderliesten, Peter A. N. Bosman
提出基于忆阻器的模拟突触-神经元集成的SNN加速器，能耗降低12.7倍，延迟减少1.26倍，适用于实时边缘智能。
Qianhou Qu, Sheng Lu, Liuting Shang 等
引入基于最新真实经济数据的多解集生成方法，利用先进的元启发式算法优化线性排序问题，显著提升解的多样性与质量。
Fabrizio Fagiolo, Marco Baioletti, Valentino Santucci
提出量子遗传负选择算法(QGNSA)，在Metaverse金融交易数据集上异常检测准确率提升显著。
Giancarlo P. Gamberi, Calebe P. Bianchini
提出首个系统性SNN公平性基准，揭示偏见和硬件限制对模型性能的影响。
Hudi He, Fukun Wang, Zhe Wang 等
研究表明，符号回归中的架构选择对目标公式的恢复至关重要，使用EML操作符进行测试。
Chakshu Gupta
结构引导扩散模型（SGDM）通过整合结构信息，实现EEG视觉重建，提升图像保真度。
Yongxiang Lian, Yueyang Cang, Pingge Hu 等