ML-Embed结合3D-ML框架，通过MEL、MLL、MRL实现多语言文本嵌入的高效性与包容性。
Ziyin Zhang, Zihan Liao, Hang Yu 等
TAB-VLM评测600题、1600件印度文物，最佳GPT-5.2仅58.7%。
Mukul Ranjan, Prince Jha, Khushboo Kumari 等
提出非线性双极补偿方法，提升低比特量化模型的准确性，平均提高4.6%。
Peilin Sun, Jianxin Wu
提出自适应交错推理框架，结合层级数据管线，显著提升多模态生成的准确性与效率。
Qingyang Liu, Bingjie Gao, Canmiao Fu 等
提出EponaV2，通过未来深度与语义预测实现自主驾驶高质量规划，超越传统感知依赖模型。
Jiawei Xu, Zhizhou Zhong, Zhijian Shu 等
引入SciPaths，基于专家标注的路径，利用机器学习预测科学发现的依赖关系，模型F1仅0.189。
Eric Chamoun, Yizhou Chi, Yulong Chen 等
TOPOS框架通过TOPOS-VAE和TOPOS-DiT实现高保真3D头部生成，性能优于现有方法。
Bojun Xiong, Zoubin Bi, Xinghui Peng 等
DiffPhD通过GPU加速解决异质材料的弹性动力学问题，实现10倍速度提升。
Shih-Yu Lai, Sung-Han Tien, Jui-I Huang 等
EvoLib通过知识抽象和演化机制实现无参数更新的测试时学习，显著提升数学推理和代码生成性能。
Weijia Xu, Alessandro Sordoni, Chandan Singh 等
CDD方法提升RAG模型在知识冲突下的准确性，特别是在实体替换和逻辑矛盾上。
Yihang Chen, Pin Qian, Su Wang 等
提出结合雅可比矩阵和统计特性的邻域训练框架，有效提升混沌系统的模型准确性。
Joon-Hyuk Ko, Andrus Giraldo, Deok-Sun Lee
提出MARS，采用三层记忆结构，提升推荐性能，HR@1提升26.4%。
Xiang Shen, Yuhang Zhou, Yifan Wu 等
BBCritic通过对比学习实现GUI语义对齐，超越二元分类。
Yuchen Sun, Pei Fu, Shaojie Zhang 等
CreFlow通过组合线性时序逻辑约束，结合局部修正和奖励引导，提升稀疏奖励下的机器人操控视频生成效果，成功率提升23.8%。
Zhenyang Ni, Yijiang Li, Ruochen Jiao 等
引入Riemannian Hodge Message Passing (RHMP)，在七个物理基准测试中表现最佳。
Dongzhe Zheng, Christine Allen-Blanchette
通过全特征Jacobian分解揭示Transformer残差流的谱几何演变，从非正态到对称，发现训练引入低秩瓶颈与拓扑关系。
Jesseba Fernando, Grigori Guitchounts
SkillFlow采用流匹配损失实现多策略多路径优化，推动自主技能演化。
Mingda Zhang, Tiesunlong Shen, Haoran Luo 等
递进视界多智能体欺骗路径规划器利用Boltzmann分布实现动态欺骗。
Xubin Fang, Brian M. Sadler, Rick S. Blum
本研究提出用模型准确率下降作为层重要性指标，超越余弦相似性，验证其在大规模语言模型中的有效性。
Cristian Hinostroza, Rodrigo Toro Icarte, Christ Devia 等
PBT-Bench通过100个真实Python库中的365个语义性漏洞，评估AI在属性测试中的能力，模型表现差异显著。
Lucas Jing, Xinqi Wang, Liao Zhang 等