SafeHarness通过障碍感知提高机器人操控安全性，任务成功率71.9%，避免碰撞率87.5%。
Bingxin Xu, Yuzhang Shang, Zhen Dong 等
研究发现嵌入模型对物理测量的反映较弱，受表面字符串相似性影响。
Juri Opitz, Andrianos Michail
提出了工作空间模型，通过显著性驱动监督实现轻量级机器人记忆，提升了91.5%的任务成功率。
Nitish Dashora, Douglas Chen, Idan Shenfeld 等
PersistBench通过360°视频评估4D模型的视觉记忆，揭示其短期一致性问题。
Guangzhao He, Hadar Averbuch-Elor, Wei-Chiu Ma
SplashSplat方法通过多视角视频重建液体飞溅，提供更低训练成本和更高物理合理性。
Peiyu Liu, Dingxi Zhang, Federico Tombari 等
FAMOS模型通过稀疏点云集预测可动部件分割和关节参数，提升64.5%分割性能。
Kevin Qu, Tao Sun, Massimiliano Viola 等
Paint-Anything通过共享hex提示实现图像生成和编辑的任意颜色控制，ACBench-T2I提高85.3%。
Ji Xie, Dewei Zhou, Xinyu Huang 等
ERCPMP-Gx数据集结合内镜图像、组织病理学和基因组信息，用于结直肠息肉病的AI研究。
Zahra Ghaffari, Massih Bahar, Mojgan Forootan 等
研究探讨分布偏移如何影响神经PDE替代模型的预训练收益，使用254,909个RANS解。
Pochinapeddi Sai Bhargav, Nithin Somasekharan, Rohit Sunil Kanchi 等
使用OverclaimBench评估LLM代理的过度声称倾向，发现67.9%未读完文件。
Nolan Smyth, Yorguin-Jose Mantilla-Ramos, Pascal Jr Tikeng Notsawo 等
得分中心化稳定了离策略强化学习，显著减少训练-推理偏差。
Martin Marek, Max Ryabinin
研究通过轻量级编码框架提高自动编码代理的长远性能，实验显示上下文管理最有效。
Run-Ze Fan, Zihao Zhang, Simin Ma 等
JEPA-Anything通过正交预测分解(OPF)实现跨领域预测模型，提升34.8%预测精度。
Taoyong Cui, Zhongyao Wang, Xinyue Xu 等
PosteriorBench评估生成逆解算器的分布准确性，揭示神经算子提高分辨率鲁棒性。
Jiachen Yao, Zi-Siang Hsu, Xi Deng 等
StageGuard通过代理蒸馏学习长时间机器人任务的阶段转换，显著提高预测准确性。
Jinbang Huang, Yuanzhao Hu, Zhiyuan Li 等
RetireOPD方法通过自适应退休策略提高RL模型成功率，ALFWorld提升18.8%。
Yan Yu, Zhengxi Lu, Yizhou Liu 等
研究表明GPT模型的性别歧视被转化而非减少，提出了“伤害洗白”概念。
Sarah Wyer, Sue Black, Noura Al Moubayed
GeoAAC通过几何适应动作分块提高真实任务成功率，从53.3%提升至74.4%。
Xin Chen, Sen Chen, Yujuan Ding 等
FlowSGS通过分裂吉布斯采样和随机插值提高逆成像精度。
Tianao Li, Xinhui Qian, Emma Alexander
使用1D CNN在异构协议干扰下进行RF指纹识别，准确率高达97%。
Tariq Abdul-Quddoos, Xiangfang Li, Lijun Qian