NeuROK通过学习低维潜在空间实现4D动态模拟，利用变换器编码器-解码器架构在大规模数据集上训练，突破传统物理模型限制。
Chen Geng, Guangzhao He, Yue Gao 等
YoCausal利用逆向视频和认知科学启发的双层指标，评估13个视频扩散模型的因果理解能力。
You-Zhe Xie, Yu-Hsuan Li, Jie-Ying Lee 等
提出SchGen模型，基于语义编码的PCB原理图生成，从自然语言请求到可编辑电路图，实现82%的有效电路率。
Qinpei Luo, Ruichun Ma, Xinyu Zhang 等
提出VisAnomReasoner，通过微调大规模视觉-语言模型实现时间序列异常检测，Precision提升21.23%，F1提升23.87%。
Xiaona Zhou, Muntasir Wahed, Tianjiao Yu 等
引入GPIC，包含约280亿像素的庞大图像语料库，用于推动视觉生成模型的发展。
Keshigeyan Chandrasegaran, Kyle Sargent, Suchir Agarwal 等
提出HullFT，通过凸包重建与梯度缓存，实现大规模语言模型的高效测试时微调，提升速度与质量的平衡。
Alaa Khamis, Alaa Maalouf
提出COMPOSE框架，结合科学引用图与形式定理依赖图，生成更具数学深度的未来定理，基于108K对数据集和47K未来论文测试。
David Busbib, Michael Werman
提出MedCase-Structured，基于LLMs生成符合FHIR R4标准的临床数据集，用于诊断推理评估，82.5%的成功率。
Valentina Bui Muti, Eugénie Dulout, Ziquan Fu
提出双路径块架构，在相同FLOPs下提升LLM计算能力和容量。
Markus Frey, Behzad Shomali, Joachim Koehler 等
利用多目标遗传编程演化特征集与树结构，提升生存分析模型的可解释性与预测性能，基于两份真实临床数据集。
Thalea Schlender, Peter A. N. Bosman, Tanja Alderliesten
提出SGMD，通过梯度匹配优化伪评分，显著提升4步视频蒸馏速度和运动动态。
Zhuguanyu Wu, Ruihao Gong, Yang Yong 等
在Navier-Stokes基准上，ConvAE-Relay在10倍Reynolds数下实现38.34%误差，优于FNO的46.68%。
Jianing Shi
DirectorBench以多智能体诊断长视频，发现跨镜头转场仅0.256。
Jiamin Chen, Qianben Chen, Jiawen Zhang 等
通过语义通信和语义检查点的多智能体系统提升方法选择的适应性。
Geremy Loachamín-Suntaxi, Robert Lazar, Dimitrios G. Giovanis 等
EarlyTom在视觉编码内实现早期令牌压缩，显著降低TTFT至2.65倍，保持精度。
Hesong Wang, Xin Jin, Lu Lu 等
提出了一种因果干预方法，应用于动词偏向的连续变量，验证其在上下文学习中的作用。
Zhenghao Herbert Zhou, R. Thomas McCoy, Robert Frank
提出多时域图神经网络模拟器，利用多目标预测提升长远冰川动态预测精度。
Zesheng Liu, Maryam Rahnemoonfar
引入PLANAHEAD框架，系统评估不同自然语言计划表示对LLM Web代理性能的影响。
Alejandra Zambrano, Sara Vera Marjanovic, Imene Kerboua 等
提出Cayley-Table Completion，探索离散代数结构的连续优化界限。
Dongsung Huh
通过多项式表示量化和优化简单性，提升图像和文本分类的泛化性能。
Tianren Zhang, Xiangxin Li, Minghao Xiao 等