STAR-KV采用软阈值调节的低秩KV缓存压缩，达75%压缩率，提升速度6.9倍。
Priyansh Bhatnagar, Ashkan Moradifirouzabadi, Se-Hyun Yang 等
CATPO通过树信息评分与批判修复，提升数学推理任务中的准确率，达37.5%。
Ayush Singh, Umang Goyal, Ankur Dahiya
EmbodimentSemantic引入空间场景图数据集，提升机器人视觉语言模型的空间理解。
Hassan Jaber, Refinath S N, Luca Cagliero 等
测试时缩放在多模态基础模型中提升生成和推理性能，分类为采样、反馈和搜索策略。
Cong Wan, Ying He, Zhongzhan Huang 等
LH-NeF以层次与空间局部性编码神经场，内存降42倍、批量增133倍。
Alonso Urbano, David W. Romero, Max Zimmer 等
提出BAND算法，在毫米波V2X网络中实现用户关联，减少40%遗憾值，提升33.1%通信率。
Weiqi Chi, Manabu Tsukada
PoE-Bridge通过引入中间分布实现扩散语言模型的并行解码，提升5倍速度并恢复95%性能。
Juntong Shi, Brian L. Trippe, Jure Leskovec 等
提出PACI异步流水线训练方法，通过梯度累积控制权重版本漂移，提升训练效率。
Itay Elam, Eliron Rahimi, Avi Mendelson 等
研究发现LLM评估器难以适应不同上下文和安全定义，尽管它们能从新信息中学习。
Anissa Alloula, Federico Licini, Ava Batchkala 等
提出Agentopia框架，模拟10年长周期多智能体社会，利用生命奖励训练LLMs，提升社会行为和人类认知模拟能力。
Xintao Wang, Sirui Zheng, Hongqiu Wu 等
提出EmbedFilter，通过过滤未嵌入矩阵中的潜在子空间，提升LLMs文本嵌入性能，降低存储和加速检索。
Songhao Wu, Zhongxin Chen, Yuxuan Liu 等
采用个体任务框架，利用Perplexity的搜索与Computer数据，验证AI代理提升自动化、效率与工作范围的实证效果。
Jeremy Yang, Kate Zyskowski, Noah Yonack 等
提出CoMetaPNS，结合持续贝叶斯高斯混合模型，实现心脏电生理模拟的个性化持续元学习，显著提升预测精度与抗灾难性遗忘能力。
Ryan Missel, Xiajun Jiang, Linwei Wang
提出一种基于生理约束的肌骨神经网络（MSK-NN），利用部分sEMG数据实现多自由度关节运动估计，显著优于传统方法。
Wending Heng, Mingming Zhang, Glen Cooper 等
本研究提出基于稀疏自编码器（SAE）和激活空间引导策略，有效检测并降低Whisper模型在非语音输入中的幻觉率，从72.63%降至14.11%。
Georgii Aparin, Vadim Popov, Tasnima Sadekova 等
TEVI利用稀疏自编码器，通过文本条件筛选图像特征，显著提升CLIP模型的视觉-语言对齐和检索性能。
Sweta Mahajan, Sukrut Rao, Jiahao Xie 等
提出Transferability与Predictability扩展ISO 26262，提升自动驾驶系统的控制性与可预期性。
Chaitanya Shinde, Hadi Hajieghrary, Paul Schmitt 等
本论文提出以“观看、记忆、推理”为核心能力的多模态大模型视频理解框架，显著提升长视频的理解能力。
Jiahao Meng, Yue Tan, Qi Xu 等
提出基于模拟的模仿学习框架，自动生成多样化的手势示范，提升无生理信号的假肢抓取成功率至90%以上。
Kaijie Shi, Wanglong Lu, Huiling Chen 等
本文提出基于LLM引导的MAP-Elites演化方法，用于优化医疗决策流程，包括急诊分诊、互动咨询和医学影像分类，显著提升性能。
Ivan Sviridov, Artem Oskin, Ivan Panin 等