提出A3机制，通过自验证前缀动态确定执行范围，在多任务中提高成功率和推理效率。
Feng Chen, Xianghui Wang, Yuxuan Chen 等
LaSCD方法通过拉普拉斯能量减少视觉幻觉，提升准确率。
Fanpu Cao, Xin Zou, Xuming Hu 等
PaperGym通过跨领域种子检索和方法合成，提升LLM研究创意生成。
Yunju Choi, Min Song
AutoLLMResearch通过多层次环境和长远决策模型，实现高成本LLM实验的自动配置，利用低成本试验指导高成本优化。
Taicheng Guo, Nitesh V. Chawla, Olaf Wiest 等
提出Pace-and-Path Correction方法，在动态环境中提高VLA模型成功率达28.8%。
Yanyan Zhang, Chaoda Song, Vikash Singh 等
DOLORES通过结构化元认知实现深度推理，平均提升24.8%。
Dean Light, Michael Theologitis, Kshitish Ghate 等
提出抽象空间模型，分析用户与系统间的抽象鸿沟。
Bryan Min, Sangho Suh, Jim Hollan 等
SOMA通过小型语言模型实现高效的多轮对话服务，显著降低成本和延迟，同时保持高质量响应。
Xueqi Cheng, Qiong Wu, Zhengyi Zhou 等
提出双重块注意力的Transformer架构，结合训练效率与推理优化，显著降低内存与计算成本。
Asher Labovich, Benjamin Bradley, Vanessa Alexander 等
提出自适应校正调度策略，有效平衡约束投影频率与采样质量，提升采样轨迹一致性。
Noah Trupin, Yexiang Xue
QUIVER框架量化多模态大模型管道中的扰动传播与分岔，基于敏感矩阵和轨迹偏差分析。
Prashanti Nilayam, Sankalp Nayak
V4FinBench通过TabPFN和Llama-3-8B模型在公司破产预测上表现优异。
Marcin Kostrzewa, Sebastian Tomczak, Roman Furman 等
证明神经网络的最小权重范数等于Kolmogorov复杂度，解释了权重衰减的有效性。
Tiberiu Musat
CADBench评估11个模型在6类指标与18,000样本上的多模态CAD程序生成性能。
Anna C. Doris, Jacob Thomas Sony, Ghadi Nehme 等
PathISE通过学习路径信息量估计，提升知识图问答的准确性与效率。
Shengxiang Gao, Chao Lei, Jey Han Lau 等
提出ERD框架解决扩散模型训练中的表示退化问题，显著提高训练效率和生成质量。
Zhipeng Yao, Dazhou Li, Zitong Zhang 等
使用模拟推断的机器学习技术在天体物理和宇宙学中进行参数估计。
Leander Thiele
CAQ-ZO方法在低精度前向评估中消除查询残差，提升NF4模型性能。
Yao Shu, Zilin Zhu
研究探讨教师在AI生成数学视觉材料时的控制时机，发现后生成控制在正确性和可预测性上表现最佳。
Zhengxu Li, Junling Wang, April Yi Wang
BCJR-QAT通过BCJR算法实现量化训练，WikiText-2上PPL降低0.084。
Venugopalan Iyengar