提出DiCoLa框架，基于递归分解实现潜变量环境下的因果结构学习，显著提升效率。
Zheng Li, Feng Xie, Shenglan Nie 等
提出C2LT-3D方法，通过接口中心生成状态提升开放世界3D结构的装配鲁棒性，分离局部几何、组件归属和接缝关系。
Xiang Chen, Alexander Binder
提出DPUA框架，通过模型感知分歧与校准不确定性，提升主观性分析的可靠性。
Junyu Lu, Deyi Ji, Xuanyi Liu 等
提出PaMoSplat，结合部件感知与运动先验的动态高斯点云重建框架，显著提升渲染与追踪性能。
Yinan Deng, Jianyu Dou, Jiahui Wang 等
提出标准化损失聚合（SLA）用于样本噪声检测，结合交叉验证损失，表现优于硬计数法。
Inhyuk Park, Doohyun Park
提出结构谱传播器（SSP）用于长时域PDE预测，误差降低48.9%。
Xiaoxiao Lu, Ye Yuan, Jiahao Shi
SkillRAE采用两阶段技能图谱构建与紧凑上下文编译，提升任务执行效果11.7%。
Xiangcheng Meng, Shu Wang, Yixiang Fang
RADAR通过条件图扩散生成低冗余通信拓扑，提升准确率和效率。
Zhen Zhang, Wanjing Zhou, Juncheng Li 等
提出探索驱动优化（EDO），通过奖励偏置促进LLM推理多样性，提升测试时推理能力。
Changhao Li, Yuchen Zhuang, Chenxiao Gao 等
DriveFuture通过条件未来潜在状态，提升自主驾驶轨迹规划性能，达成55.5 EPDMS。
Yufeng Hong, Xiaotian Zhou, Yingyan Li 等
Scratchpad Patching方法在16字节补丁下，模型质量接近基线，计算效率提升16倍。
Lin Zheng, Vasilisa Bashlovkina, Timothy Dozat 等
引入混合注意力的层混合模型（MoL），在WikiText-103上实现PPL 29.99。
Ivan Ternovtsii, Yurii Bilak
提出EpiGraph，构建包含4.8万篇文献的 epilepsy 领域知识图谱，提升临床推理性能。
Yuyang Dai, Zheng Chen, Jathurshan Pradeepkumar 等
LoopUS通过循环潜在精炼模型提升LLM推理性能，提升了17.4%的WikiText困惑度。
Taekhyun Park, Yongjae Lee, Dohee Kim 等
提出ZoomSIB-UCB算法，解决单指标bandit问题，达到最优后悔率O(T^{2/3})。
Devdan Dey, Sujoy Bhore, Avishek Ghosh
提出条件分布匹配（CDM）框架，结合MLGD-F算法实现无训练微调的逆向设计，验证在合成、图像变换和编辑任务中效果显著。
Ori Meidler, Shaul Tolkovsky, Or Zuk
提出Re-Prefill方法，通过二次注意引导改善VLM GUI定位，提升最大4.3%。
Jiaping Lin, Fei Shen, Junzhe Li 等
dFlowGRPO通过强化学习优化离散流模型，提升图像生成和多模态理解性能。
Zhengyan Wan, Yidong Ouyang, Panwen Hu 等
TileQ通过2D平铺实现高效低秩量化，减少10倍内存，推理延迟降至5%。
Hongyaoxing Gu, Xinzhe Chen, Lijuan Hu 等
引入PDI指标，通过在线轨迹验证实现技能蒸馏，提升任务转移性。
Yang Zhou, Zihan Dong, Zhenting Wang 等