提出基于LLM的智能代理框架，加速SCIP插件生成，提升MIP求解效率。
Liding Xu, Yugeng Zhou, Sebastian Pokutta
本研究提出稀疏专家层在循环变换器中的关键作用，结合早期退出实现更优扩展和节省资源。
Ryan Lee, Jacob Biloki, Edward J. Hu 等
FORTIS基准评估大模型在技能选择和执行中的过度权限行为，发现模型普遍超越最小必要权限，失败率高达62.5%。
Shawn Li, Chenxiao Yu, Han Wang 等
提出“360°想象”框架，利用概率空间生成空间先验，显著提升人形视觉搜索效率。
Jingdong Zhang, Yizhou Wang, Zhengzhong Tu 等
提出IMPACT，用增强拉格朗日法解决非光滑接触约束，提升CITO速度达70倍。
Jiayun Li, Dejian Gong, Georgia Chalvatzaki
提出非参数回忆学习方法，利用条件均值嵌入优化AUF概率，无需特定数据生成模型。
Wen-Bo Du, Tian-Zuo Wang, Han-Jia Ye 等
预算化子集优化策略提高LLM研究创意的执行意识，MMR-k表现最佳。
Micah Zhang
提出基于各向异性随机偏微分方程的评分生成模型，增强几何结构的长时间保持。
Sascha Holl, Jente Vandersanden, Gurprit Singh 等
提出单一推理架构优化Alpamayo 1，降低69.23%的推理延迟，保持轨迹多样性。
Yunseong Jeon, Namcheol Lee, Yoonsu Lee 等
DocScope通过四阶段评估协议验证长文档理解的可信推理，发现证据链完整率仅29%。
Xiang Feng, Jiawei Zhou, Zhangfeng Huang 等
提出结构化剪枝方法，基于SO(3)等变性，显著降低原子模型计算成本，参数减少1.5-4倍，性能优于从头训练模型。
Chen Wang, Siyu Hu, Guangming Tan 等
HyRo通过超几何旋转优化嵌入角度，实现开放词汇语义分割的层次与语义对齐。
Hoang M. Truong, Hai Nguyen-Truong, Dang Huynh
提出CoDistill-GRPO，通过联合训练大小模型提升数学推理性能，提升11.6%准确率，节省18%训练时间。
Soo Min Kwon, Ziteng Sun, Ananda Theertha Suresh 等
提出压缩视频聚合器（CVA），在MicroLens上提高推荐性能并大幅减少训练时间。
Yang Xiao, Huiyuan Chen, Kaiyuan Deng 等
ColGraphRAG通过MaxSim多向量评分提升多模态问答中图像检索精度。
Seonok Kim
EvoMAS框架通过执行时多智能体工作流构建提升复杂任务成功率。
Chengdong Xu, Kaiqiang Ke, Ziheng Liu 等
LAQuant通过分层前瞻损失实现大推理模型的无开销量化，提升了AIME25 Pass@1 15.11个百分点。
Euntae Choi, Sumin Song, Sungjoo Yoo
本研究系统分析了大规模MoE模型预训练中的剪枝与蒸馏，发现剪枝优于从零训练，结合KD和渐进式调度效果最佳。
Shengkun Tang, Zekun Wang, Bo Zheng 等
SoftGAC提出路径正则化策略，利用有限步短桥在MaxEnt RL中实现高效生成，提升性能。
Ke He, Le He, Shunpu Tang 等
提出Sycamore框架，评估基于LLM的合成角色在基因组可视化中的表现，比较其与真实专家反馈的差异。
Huyen N. Nguyen, Astrid van den Brandt, Nils Gehlenborg