EVOHARNESSBENCH评估代理在不断发展的工具、技能、代理环境中表现，揭示性能下降与适应性不足。
Zixuan Ke, Vaidehi Patil, Haizhou Shi 等
UniCon采用以上下文单元为核心的统一建模架构，显著提升CTR预测性能。
Jiajun Cui, Zhengqi Xu, Fan Zhang 等
提出R2S-Eval，通过真实到模拟校准结合视觉-语言模型偏好评估，实现机器人行为的稳定评价。
Yidi Wang, Feixiang Ruan, Ruoqu Chen 等
RoboTok利用3D手轨迹学习互联网视频检索，提升机器人操控示范匹配。
Howard Qian, Yiting Chen, Yunfei Xie 等
OQRC以有限占用建模量化风险，有限样本下显著收紧风险界，MS COCO风险差距降低78.64%。
Zihao Shi, Huajun Xi, Bingyi Jing 等
SolarWM利用多源数据引擎和原生适配框架，训练长时序视频世界模型，支持实时交互。
Junchao Huang, Guian Fang, Shengju Qian 等
引入预测状态匹配训练目标，提升Web代理的判别能力和任务成功率。
Kelvin Li, Dhruv Pendharkar, Anish Pahilajani 等
提出Graph Machine（GM），维护O(n)状态，通过稀疏动态路由提升预训练效率，替代75%Transformer层。
Lintai Hou
GRADSOLVE是基于JAX的GPU高效反向微分工具，针对ODE集成实现快速精确梯度。
Alessio Spurio Mancini
提出教师门控的在策略蒸馏（TGOPD），在提示级别验证教师可靠性，提升性能并显著提高GPU利用率。
Zhiwei Zhang, Zechen Sun, Fei Zhao 等
提出RIG-BENCH，系统评估视觉推理生成能力，涵盖四大任务域，揭示模型推理与生成的差距。
Yutong Liu, Nan Huang, Xu Cao 等
提出TRACE架构，实现自主机器人决策的可追溯性，达98.6%的证据追溯率。
Cagri Temel
通过构建合成与真实数据，验证用户反馈对LLMs提升效果显著，揭示评估偏差。
Shachar Don-Yehiya, Leshem Choshen, Omri Abend
采用大规模问题策划、合成推理、SFT和RL，训练出超越人类的编程AI模型，IOI 2026获奖。
Aleksander Ficek, Sean Narenthiran, Mehrzad Samadi 等
提出UE5M3 FP4块尺度方案，结合周期性张量缩放，优化语言模型预训练，模型达190B参数，训练损失优于NVFP4。
Robert Hu, Carlo Luschi, Paul Balanca
提出AICOME框架，通过 respondent-level AI测量恢复个体与群体效应，验证CFPS数据。
Wenxin Jiang, Xuyang Wang, Yuxiao Wu
提出基于验证证书的frb100-40最优性证明，验证最大独立集为100，耗时显著降低。
Onur Uğurlu
基于de Finetti定理，评估语言模型概率预测的内在不一致性，利用线性规划计算最大Dutch-book利润。
Isaiah Andrews, Suproteem Sarkar
SafeEvolve通过轨迹经验实现外部护具与策略的协同演化，显著提升安全性。
Qinghua Mao, Wanying Qu, Dadi Guo 等
提出基于测量的子网络选择方法，通过结构压缩和检索引导微调，实现工厂边缘设备高效部署，模型大小与性能解耦。
Vasileios Rizeakos, Georgios Paisios, Alexandros Machairas 等