StayFair方法在不同指导尺度下保持扩散模型的群体公平性，提升公平性8.6%。
Myeongsoo Kim, Eunji Kim, Minwoo Chae 等
MemGuard通过类型感知框架减少记忆污染，提高记忆可靠性28.27%。
Hyeonjeong Ha, Jeonghwan Kim, Cheng Qian 等
ROVER通过对象中心的视觉证据路由提高多图像推理准确性。
Guannan Lv, Ren Nie, Hongjian Dou 等
引入基于Fermi-Dirac滤波的软PCA，无需特征向量恢复，适用于量子数据。
Yewei Yuan, Michele Minervini, Mark M. Wilde 等
AI研究代理生成的科学创意更集中，未能显著拓宽科学探索。
Yixuan Tang, Yi Yang
AIBuildAI-2利用层级知识系统实现自动建模，达70.7%奖牌率。
Ruiyi Zhang, Peijia Qin, Qi Cao 等
提出AndroidDaily基准和GRADE评估框架，有效验证闭源移动应用中的GUI代理能力。
Yifan Sui, Xin Huang, Hongbing Li 等
STROP通过学习可变长度视觉程序，提高场景结构表示的准确性。
Piotr Wyrwiński, Kacper Dobek, Krzysztof Krawiec
提出AW–NBE结合神经贝叶斯与最优传输，用于多元广义帕累托模型的无似然推断。
Samira Aka, Marie Kratz, Philippe Naveau
提出基于移除的多智能体LLM归因框架，LOO效率高达7.5倍，提升任务性能17%。
Mingyu Lu, Yushan Huang, Chris Lin 等
基于pymetrics数据，揭示算法单一供应商导致招聘中种族不公与系统性拒绝现象。
Rishi Bommasani, Sarah H. Bana, Kathleen A. Creel 等
MUSE-Autoskill通过技能生命周期管理提升任务成功率，技能复用率达68.4%。
Huawei Lin, Peng Li, Jie Song 等
LocateAnything基于并行框解码，训练138M样本，显著提升定位速度与精度
Shihao Wang, Shilong Liu, Yuanguo Kuang 等
BRANE方法通过LLM提取查询特征，实现MuSiQue等数据集89%成本节省的动态检索配置优化。
Melissa Z. Pan, Negar Arabzadeh, Mathew Jacob 等
SAERL框架利用稀疏自编码器内在激活，提升LLM后训练数据多样性、难度排序与质量过滤，Qwen2.5-Math-1.5B准确率提升3%。
Yi Jing, Zao Dai, Jinwu Hu 等
提出GADD算法，实现统一速率离散扩散模型采样复杂度降至O(polylog(ε⁻¹))，显著提升采样效率。
Yuchen Liang, Ness Shroff, Yingbin Liang
MATCHA利用对比学习实现语义匹配，提升18%以上的准确率。
Siran Li, Ece Sena Etoglu, Carsten Eickhoff 等
基于DINO表征的条件扩散模型实现高质量且可控图像生成，LSUN和CelebA数据集验证。
Nithesh Chandher Karthikeyan, Jonas Unger, Gabriel Eilertsen
FinHarness通过内联生命周期安全护具，FinVault基准ASR降至15%，高级判官调用减少4.7倍
Haoxuan Jia, Yang Liu, Bin Chong 等
提出Normal Guidance正态引导正则化方法，提升基于注意力的MIL在4百万切片CT数据上的切片级定位性能。
Ethan Harvey, Dennis Johan Loevlie, Michael C. Hughes