提出自策略蒸馏（SPD），通过低秩子空间投影实现无外部信号的能力选择，提升模型性能13%。
Guangya Hao, Yitong Shang, Yunbo Long 等
提出EMO-STA多任务优化框架，通过共享程序库提升LLM引导程序发现效率与泛化能力。
Halil Alperen Gozeten, Xuechen Zhang, Emrullah Ildiz 等
提出Branch-Stochastic MPC结合场景聚类，实现多模态不确定性下自动驾驶运动规划，仿真提升安全性与实时性。
Zekun Xing, Ramkrishna Chaudhari, Marion Leibold 等
SynAE通过多维指标评估合成数据的有效性、保真度和多样性，提升工具调用代理的评估质量。
Shuaiqi Wang, Aadyaa Maddi, Zinan Lin 等
提出量子遗传负选择算法(QGNSA)，在Metaverse金融交易数据集上异常检测准确率提升显著。
Giancarlo P. Gamberi, Calebe P. Bianchini
通过优先级排序直接评估Harness优化器，相关性ρ=0.602。
Kai Tzu-iunn Ong, Minseok Kang, Dongwook Choi 等
提出神经编译器，将符号程序转为精确可微的PyTorch模块，保证物理公式的精确性与可组合性。
Lucas Sheneman
提出三步评估协议，解决点估计在多模态逆问题中的偏差，强调分布一致性和校准。
Mads H. Baattrup, Jörn Bach, Laurids Jeppe 等
Steins;Gate Drive通过结构化未来预测实现延迟解耦的语义安全控制，显著提升自动驾驶安全性。
Anjie Qiu, Hans D. Schotten
提出QuantSR+，通过RBD、QSA和SFD实现超低比特量化图像超分，性能优于现有方法。
Haotong Qin, Xudong Ma, Xianglong Liu 等
PIU通过几何导向实现Arc2Face模型的目标身份删除，显著提升隐私保护效果。
Jose Edgar Hernandez Cancino Estrada, Mauro Díaz Lupone, Žiga Emeršič 等
SOMA利用多视角空间记忆实现超视野操控，显著提升任务成功率。
Pengteng Li, Weiyu Guo, He Zhang 等
通过OSINT辅助的异构传感器融合，提出贝叶斯对象分类证据层次，分类准确率达95%。
Jan Nausner, Michael Hubner
研究发现数据门控是自博弈RL稳定性的关键，奖励信号无法单独解决崩溃问题。
Sophia Xiao Pu, Zhaotian Weng, Chengzhi Liu 等
提出NoPo4D，基于预训练几何和4D高斯框架，采用速度分解实现无姿态、多视角动态场景的端到端预测。
Matteo Balice, Yanik Kunzi, Chenyangguang Zhang 等
AVP模型通过视觉原语提升机器人操作成功率37.04%。
Weilong Guo, Yuchen Wang, Renping Zhou 等
提出三类基于大模型的规划生成方法，强调在构建阶段利用LLMs提升可靠性与效率。
Michael Katz, Harsha Kokel, Kavitha Srinivas 等
EvoScene-VLA通过动作更新场景状态，将RoboTwin任务成功率提高至88.8%。
Chushan Zhang, Ruihan Lu, Jinguang Tong 等
提出稳定世界模型平台（swm），支持多环境、多任务的可复现研究，涵盖数据加载、模型基线和评估，显著降低研究门槛。
Lucas Maes, Quentin Le Lidec, Luiz Facury 等
RankJudge生成多轮对话基准，使用Bradley-Terry模型评估21个LLM裁判。
Zhenwei Tang, Zhaoyan Liu, Rasa Hosseinzadeh 等