SE-GA结合层次记忆与自我演化机制，提升GUI代理多步任务成功率至89.0%。
Shilong Jin, Lanjun Wang, Zhuosheng Zhang
QuadLink通过点关系学习生成高质量四边形主导网格，提升几何保真度和拓扑质量。
Yiheng Zhang, Zhe Zhu, Tingrui Shen 等
EgoKit提供跨异构设备的统一低成本自我中心数据采集，支持六种设备。
Liuchuan Yu, Erdem Murat, Beichen Wang 等
EVA01通过Mixture-of-Transformers实现3D网格的原生理解与生成。
Zongyuan Yang, Mingjing Yi, Wanli Ma 等
本研究比较了无Matryoshka学习（非MRL）模型与MRL模型在不同截断比例下的表现，发现非MRL模型在80%以下截断时性能优越。
Sotaro Takeshita, Yurina Takeshita, Simone Paolo Ponzetto 等
MetaEns通过无监督元学习选择异常检测模型组合，在39个数据集上提升平均精度并减少模型数量。
Hong-Phuc Phan, Tuan-Anh Vu, Tung Kieu 等
ARIA框架通过分解音乐属性实现训练数据归因，提升诊断可靠性。
Changheon Han, Ashkan Panahi, Kıvanç Tatar
ShopGym通过ShopArena和ShopGuru实现真实模拟与大规模评测，解决环境非稳定与控制不足问题。
Chinmay Savadikar, Mingyu Zhao, Yuanzheng Zhu 等
提出MO-CAPO，结合性能与成本的多目标提示优化算法，提升效率与多样性。
Jan Büssing, Moritz Schlager, Timo Heiß 等
PAGER通过拓扑感知的代理，提升几何GUI控制的精确度，任务成功率提高4.1倍。
Jingxuan Wei, Xi Bai, Shan Liu 等
使用可解释子空间归因检测无监督领域偏移，识别数据集概率分布的细微差异。
Sebastian Springer, Alessandro Laio
RoadmapBench评估长远软件开发，强模型仅解决39.1%的任务。
Xinbo Xu, Ruihan Yang, Haiyang Shen 等
VLMs在视觉路径跟踪中失败，尤其在局部相似干扰下。
Hyesoo Hong, Minsoo Kim, Wonje Jeung 等
VAGS通过 velocity 方向一致性动态调节 CFG，有效提升图像编辑与生成的结构保真度。
Yan Luo, Ahmadou Aidara, Jingyi Lu 等
PSD通过并行推测解码提升扩散LLM的推理效率，达到每次前向传递5.5倍的token数。
Shengyin Sun, Yiming Li, Renxi Liu 等
基于最优控制理论推导出类Transformer的推理架构，涵盖非线性离散与线性高斯模型。
Aditya Kudre, Heng-Sheng Chang, Prashant G. Mehta
NavRL++提出系统级框架，通过扰动感知微调和Transformer策略实现零样本迁移，显著提升机器人导航的sim-to-real性能。
Zhefan Xu, Hanyu Jin, Kenji Shimada
提出Ghosted Layers，无需训练，通过闭式解线性操作修复剪枝后Transformer层的激活偏差。
Vincent-Daniel Yun, Junhyuk Jo, Sai Praneeth Karimireddy 等
LifeSentence利用预训练语言模型结合结构化生活事件，实现长周期人生轨迹预测与社会模式复现。
Samuel Liu, Muchen Xi, William Yeoh 等
DriveCtrl通过深度条件生成技术缩小模拟与真实驾驶视频的差距。
Haonan Zhao, Yiting Wang, Jingkun Chen 等