JanusMesh是一种零样本、快速生成双语义3D视觉幻觉的框架，利用交叉空间去噪实现几何融合，仅需3-5分钟。
Siang-Ling Zhang, Huai-Hsun Cheng, Tsung-Ju Yang 等
UNIEGO采用多教师代理中介，通过层级蒸馏融合九个多模态、多视角和基础模型，显著提升自我中心视频理解性能。
Wenhao Chi, Arkaprava Sinha, Dominick Reilly 等
提出空间推测解码（SSD），通过二维空间预测加速图像自回归生成，最高提速13.3倍。
Shilong Xiang, Zirui Zhang, Lijun Yu 等
CalTennis是一个包含超11百万帧多视角网球视频的基准数据集，用于评估单目到3D姿态估计，揭示深度和足部接触的挑战。
Ilona Demler, Xinran Xie, Blake Werner 等
提出基于图边界的执行状态胶囊，实现低延迟、小批量、设备端物理AI的高效恢复与重启。
Liang Su
DeepSWIP利用神经材料化与WMC实现深度概率逻辑程序的单世界反事实推理，提升推理速度2.14倍。
Saimun Habib, Vaishak Belle, Fengxiang He
提出“探测-修正”调优方法，通过合成故障探针迭代优化仓库指导文件，显著提升代码代理的解决率（33.0%对比28.3%和25.5%）
Asa Shepard, Jeannie Albrecht
采用遗传算法和A*算法结合层次分析法（AHP）进行路径规划，提升连续机器人韧性，路径多样性增强抗损伤能力。
Oxana Shamilyan, Ievgen Kabin, Zoya Dyka 等
提出SSH-Net，基于因果竞争风险模型的深度神经网络，用于GPU故障时间分布预测，利用层次结构与数据结构结合。
Jie Min, Yueyao Wang, Mengkun Chen
提出一种结合自适应鲁棒损失、IRLS和MWCD的联合状态与协方差估计框架，能在含异常和非高斯噪声环境中自动调节参数，精确恢复测量协方差。
Alexandre Hadji-Thomas, Andrew Stirling, James R. Forbes
ELVA采用排名驱动的强化学习框架，有效缓解多模态检索中的粒度盲区，提升13.1%的MRBench性能。
Yuhan Liu, Pei Fu, Hang Li 等
提出九维标注框架（MIF）以区分尼日利亚公共话语中的表面情感与真实意图，模型在无指导下注册分类准确率33.3%，指导后提升至73.3%。
Celestine Achi
ScholarQuest基于分类体系，涵盖1000+计算机科学主题，采用多样化查询设计，构建自动化答案，提升学术搜索的系统评估能力。
Tingyue Pan, Mingyue Cheng, Daoyu Wang 等
提出多智能体交易记忆（MATM）框架，通过共享轨迹提升异构智能体群体的任务表现，实验显示成功率提升8%，步骤减少0.59。
To Eun Kim, Xuhong He, Dishank Jain 等
提出基于机器学习的查询感知路由框架，有效平衡过滤近似最近邻搜索的召回率与QPS，训练模型在六个真实数据集上表现优异。
Qianqian Xiong, Mengxuan Zhang
提出基于分段多项式插值的梯度下降（PPI-GD），在数据维度d为对数多项式阶时实现优越的oracle复杂度。
Dongmin Lee, William Lu, Anuran Makur
提出基于图灵奖励的强化学习方法Turing-RL，用于训练人类用户模拟器，显著优于传统匹配方法。
Yingshan Susan Wang, Cedegao E. Zhang, Linlu Qiu 等
提出DO AS I DO算法，从单目RGB视频重建并迁移人类手部操作数据，用于机器人多指操控，超越现有方法。
Bhawna Paliwal, Haritheja Etukuru, William Liang 等
提出锚定特征参数化的可观测性与一致性分析，实验显示其提升VINS的估计一致性。
Mitchell Cohen, Vassili Korotkine, James Richard Forbes
本研究通过比较网页撤回、自我更正和专家纠错三种策略，发现自我更正能在不损害可信度的前提下有效修正错误，且社会连接增强修正效果。
Biswadeep Sen, Yi-Chieh Lee