SkillAxe通过自我优化提升LLM技能，通过28%提高通过率。
Srishti Gautam, Arjun Radhakrishna, Sumit Gulwani
GUI-AC方法通过自适应优势和动态剪辑提升GUI代理的持续学习能力。
Can Lin, Tao Feng, Hangjie Yuan 等
UniSVQ结合标量与向量量化，通过线性变换实现2-bit压缩，性能优于SOTA标量方法。
Haoyu Wang, Haiyan Zhao, Xingyu Yu 等
提出高温采样生成合成“哨兵”样本，用于隐私审计，提升模型记忆检测能力。
Nicole Mitchell, Galen Andrew, Arun Ganesh 等
Trace2Policy通过EISR机制将专家行为转化为自演化决策代理，提升准确率至79.6%。
Junli Zha, Jinbo Wang, Chao Zhou 等
提出SkillResolve-Bench，通过661对技能对比和7,982候选池，有效衡量并减少相同能力模糊带来的执行风险，提升召回率和安全性。
Jiandong Ding
提出自适应机制ARR，解决LLM知识冲突，提高抵抗力EM从6提升至16-33。
Runze Jiang, Taiqiang Wu, Yan Wang 等
提出重叠小波扩散框架OWDiff，提升低光图像质量，平均PSNR提升0.58dB。
Fen Peng, Taizo Suzuki, Seisuke Kyochi
YUBI: 提供高效双手灵巧操作数据采集，8434小时数据，提升操作效率。
Takehiko Ohkawa, Jumpei Arima, Yuki Noguchi 等
提出连续时间马尔可夫链框架，提升插入语言模型的灵活性和采样效率。
Dhruvesh Patel, Benjamin Rozonoyer, Soumitra Das 等
iSAGE框架通过稀疏点监督实现遥感语义分割，恢复97.2%的密集监督性能。
Osmar Luiz Ferreira de Carvalho, Osmar Abilio de Carvalho Junior, Anesmar Olino de Albuquerque 等
利用GLOW正则流和随机插值器进行高维宇宙初始条件推断，验证后验可靠性。
Ludvig Doeser, Jens Jasche
MemoryVLA++结合记忆与想象实现机器人长时序建模，显著提升任务成功率。
Hao Shi, Weiye Li, Bin Xie 等
本文提出DRPO，通过平滑优势加权二次正则化改善LLM强化学习中的偏差正则，提升训练稳定性和效率。
Jiarui Yao, Xiangxin Zhou, Penghui Qi 等
iMaC将未来机器人动作转化为图像控制，提升视频预测和任务执行的空间表达能力。
Zhenyu Wu, Xiuwei Xu, Yukun Zhou 等
提出拓扑神经算子（TNO），在细胞复形上实现多尺度、多维度的偏微分方程算子学习，显著提升复杂几何域的预测精度。
Lennart Bastian, Samuel Leventhal, Mustafa Hajij 等
提出FASE，通过图结构和语义嵌入近似代码正确性，提升相关性25%，计算开销仅0.3%。
Shizhe Lin, Ladan Tahvildari
POTATR为一款29M参数的轻量级图像到图结构模型，显著提升页面级表格提取的效率与准确率。
Brandon Smock, Libin Liang, Max Sokolov 等
提出全自动时间序列预测架构，结合TimeTrack高频数据与本地采样，利用NAS自动生成高精度模型，有效缓解冷启动问题。
Abd Elghani Meliani, Arora Sagar, Adlen Ksentini 等
采用Quality-Diversity（QD）算法结合监督判别模型，探索音频生成中的创新引擎，利用多频段专用CPPN和MAP-Elites实现多样化音色创新。
Björn Þór Jónsson, Çağrı Erdem, Stefano Fasciani 等