提出Representation Curriculum，通过阶段性训练提升排序系统的鲁棒性，实验表明在冷启动场景中表现显著提升。
Ehsan Ebrahimzadeh, Sina Baharlouei, Abraham Bagherjeiran
提出PERSUASIONTRACE框架，使用贝叶斯网络模拟多轮人类信念更新，得分接近人类(81 vs 80)。
Jared Moore, Noah Goodman, Nick Haber 等
提出Agentic Monte Carlo（AMC）用于黑箱LLM代理的贝叶斯采样，显著优于提示和GRPO。
Dae Yon Hwang, Raunaq Suri, Valentin Villecroze 等
提出基于分布式DAgger的丰富反馈强化学习方法DistIL，保证单调改进并提升Pass@N指标。
Rishabh Agrawal, Jacob Fein-Ashley, Paria Rashidinejad
HORIZON通过恢复能力控制课程扩展物理域，提升四足机器人零样本迁移能力。
Chenhao Bai, Liqin Lu, Kaijun Wang 等
ZipSplat通过解耦高斯分布与像素网格，使用场景令牌实现高质量低成本的3D重建，减少6倍高斯数。
Alexander Veicht, Sunghwan Hong, Dániel Baráth 等
Depth-Attention通过跨层值混合提升语言模型性能，提升准确率达2.3个百分点。
Boyi Zeng, Yiqin Hao, Zitong Wang 等
Flash-WAM通过模态感知的逐步蒸馏，实现单步推理，速度提升23倍，保持高任务成功率。
Arman Akbari, Ci Zhang, Arash Akbari 等
提出M³Eval，基于认知心理学设计的视频多模态记忆评估框架，涵盖四个关键维度。
Jie Huang, Ruixun Liu, Sirui Sun 等
提出Dual-Stream MLP，通过知识蒸馏实现显式与隐式特征交互，达成SOTA性能。
Kesha Ou, Zhen Tian, Wayne Xin Zhao 等
提出基于生成轨迹的安全对齐方法，显著提升模型在推理中抗中断攻击的鲁棒性。
Kyungmin Park, Taesup Kim
提出基于曲率感知的动态精度控制方法，结合L-BFGS曲率信息，有效平衡PINN训练中的精度与效率。
Yingjie Shao, Ioannis N. Athanasiadis, George van Voorn 等
LifeSide通过多会话Memory-Emotion-Environment循环，评估数字伴侣的长期记忆与情感支持能力。
Yuqian Wu, Zhijie Deng, Wei Chen 等
BiNSGPS以双向神经符号反馈，在Geometry3K和PGPS9K达90.5%与90.1%。
Qi Wang, Peijie Wang, Fei Yin 等
RAMPART通过优先级感知的运行时转换优化LLM代理的内存模型，提升任务成功率。
Nikodem Tomczak
利用德国社会经济面板数据构建个体级数字孪生，评估信息深度与模型选择影响，最高准确率达78.8%。
Leonard Kinzinger, Jochen Hartmann
VCIFBench评估视频理解中复杂指令遵循，涵盖306个任务，强调多约束满足难题。
Huangchen Xu, Yuan Wu, Yi Chang
HMARS通过分层多智能体记忆系统提升长上下文推理能力，显著提高证据覆盖率。
Zeju Li, Ziyang Zheng, Yizhou Zhou 等
提出一种难度感知的SFT-then-RL框架，提升小型语言模型推理能力。
Chongyang He, Rui Zhang, Zixuan Wang 等
LoopMoE结合稀疏路由与迭代计算，在9个基准测试中提升性能。
Wenkai Chen, Tianshu Li, Wenyong Huang 等