MemTrace揭示长时记忆中准确率无法捕捉的细节，强调证据使用而非检索。
Xianxuan Long, Zhikai Chen, Shenglai Zeng 等
Pareto LoRA通过帕累托最优梯度整合，改善多模态模型的模态不平衡，图像质量提高44.9%。
Xiwen Wei, Mark Nutter, Madhusudhanan Srinivasan 等
提出PDAGENT-BENCH，结合353个物理设计任务，评估LLM/VLM在VLSI物理设计中的端到端能力。
Qiufeng Li, Rongqian Chen, Quan Cheng 等
ACE-EGO-0通过空间、结构和时间对齐，将人类和机器人数据统一用于VLA预训练，显著提升操控性能。
Hao Li, Ganlong Zhao, Yufei Liu 等
提出基于原始-对偶推断的受约束扩散模型，有效处理平均约束的优化采样。
Samar Hadou, Yigit Berkay Uslu, Alejandro Ribeiro
本研究基于MetaSyn数据集，评估12种LLM管道在自然出版物元分析中的表现，揭示筛选瓶颈，最大召回率90.9%，实际检索覆盖不足52.7%。
Anzhe Xie, Weihang Su, Yujia Zhou 等
R2RDreamer通过3D感知数据增强，提升二维操控策略的空间泛化能力，利用2D视频空间的视觉补全实现高效仿真增强。
Xiuwei Xu, Haowen Sun, Angyuan Ma 等
提出Qwen-RobotWorld，基于双流MMDiT和大规模动作-语言映射，利用8.6M视频文本数据实现跨场景机器人模拟，性能优越。
Jie Zhang, Xiaoyue Chen, Anzhe Chen 等
MeshLoom是一种基于前馈神经网络的非刚性网格序列配准方法，能在秒级完成多帧Mesh的高精度变形重建。
Jianqi Chen, Jiraphon Yenphraphai, Xiangjun Tang 等
利用Kendall形状空间和Riemannian几何构建形状分析框架，揭示生物形态变异的内在结构。
Gary P. T. Choi, Khanh Dao Duc, Shira Faigenbaum-Golovin 等
TuneJury是一种基于成对偏好预测的音乐生成奖励模型，在17.5K人类偏好对上训练，准确率达0.7086，显著优于无伪标签模型。
Yonghyun Kim, Junwon Lee, Haiwen Xia 等
提出随机排序风险的理论框架，基于DCG变化分析最坏情况偏差，验证实验显示预测偏差与实际接近。
Debasis Ganguly
提出PReLU-TST方法，利用PReLU-IPM实现更高的检验功效。
Yuha Park, Yongdai Kim
MA-SBI通过旁路信息实现无校准的模拟推断，提升准确性。
Arunkumar V, Manoranjan Gandhudi, Gangadharan G. R. 等
BinTrack利用轨迹的时间序结构进行二分搜索，提升开放源代码空间问答准确率22.8%。
Dongbin Na, Chanwoo Kim, Soonbin Rho 等
FaNO通过分解动态和持久响应提高物理系统建模的准确性和解释性。
Hao Tang, Yuechen Duan, Jiongyu Zhu 等
提出Semantic Flip，通过合成OOD样本提升 embodied拒绝能力，F1达0.9559。
Dongbin Na, Chanwoo Kim, Giyun Choi 等
提出可逆迁移路径和转换分类法，使专家LLM工作流实现自我演化准备。
Yimo Lin, Zhen Zhang, Yibin Li
OpenClaw-Skill通过集体技能树搜索提升大模型在工具使用和多步推理中的表现。
Tianyi Lin, Chuanyu Sun, Jingyi Zhang 等
Skill-to-LoRA通过LoRA适配器将技能文本转化为行为模块，提高通过率5.2个百分点。
Tianyi Zhang, Zhonghao Qi