通过表示稳定性提高表格检索的鲁棒性，使用中心化平均法减少格式特异性偏差。
Kushal Raj Bhandari, Adarsh Singh, Jianxi Gao 等
DeepTaxon：一个用于统一物种识别和发现的可解释检索增强多模态框架，显著提高识别和发现准确率。
Jiawei Wang, Ming Lei, Yaning Yang 等
Kolmogorov-Arnold网络的普适性只需一个非仿射函数。
Vugar Ismailov
Learn&Drop方法通过层丢弃加速CNN训练，ResNet-152前向传播FLOPs减少83.74%。
Giorgio Cruciata, Luca Cruciata, Liliana Lo Presti 等
研究表明，符号回归中的架构选择对目标公式的恢复至关重要，使用EML操作符进行测试。
Chakshu Gupta
提出了一种基于配点的稳健物理信息神经网络（CRVPINN），用于模拟斯瓦尔巴群岛斯匹次卑尔根岛上热逆温条件下的污染传播。
Leszek Siwik, Maciej Sikora, Natalia Leszczyńska 等
通过主动实验选择的预算高效缩放律拟合方法，仅用10%预算实现全数据集拟合效果。
Sijie Li, Shanda Li, Haowei Lin 等
研究揭示LLM在生成叙述时对全球多数民族的代表性伤害，使用QA模型分析500,000个故事。
Ilana Nguyen, Harini Suresh, Thema Monroe-White 等
证明了即使在模态深度最多为1且无后置条件的情况下，计划存在问题也是不可判定的。
Antonis Achilleos
使用BantuMorph v7模型从现代数据中恢复班图语言的历史词汇结构，验证了90.9%的名词候选与原始班图形式一致。
Hillary Mutisya, John Mugane
GCImOpt通过模仿最优轨迹学习高效的目标条件策略，显著提高了控制任务的成功率和效率。
Jon Goikoetxea, Jesús F. Palacián
通过跨语言迁移学习和无监督聚类实现低资源班图语言零样本形态发现。
Hillary Mutisya, John Mugane
通过蒸馏对齐密集检索器与LLM效用，UAE在QASPER基准上提升Recall@1达30.59%。
Rajinder Sandhu, Di Mu, Cheng Chang 等
提出了一种基于时间局部化参数分解的呼吸气流分析方法，实现了对呼吸内部结构的精确建模，重构误差小于0.001。
Victoria Ribeiro Rodrigues, Paul W. Davenport, Nicholas J. Napoli
CRAFT方法通过聚类回归自适应筛选训练数据，在英印翻译中提升BLEU值2.13分。
Parthasarathi Panda, Asheswari Swain, Subhrakanta Panda
SS3D通过YouTube-8M数据集实现了从单目视频中自监督3D估计的端到端训练。
Marwane Hariat, Gianni Franchi, David Filliat 等
BERAG通过贝叶斯集成改进检索增强生成，显著提升知识型视觉问答性能。
Jinghong Chen, Jingbiao Mei, Guangyu Yang 等
WG-SRC通过白盒信号子空间探测实现图数据集的操作特征指纹，提升节点分类准确率。
Yuchen Xiong, Swee Keong Yeap, Zhen Hong Ban
通过统一框架评估八种Shapley变体在高风险环境中的人类效用，揭示现有评估指标与人类感知的脱节。
Inês Oliveira e Silva, Sérgio Jesus, Iker Perez 等
研究通过QPP选择RAG管道中最佳查询变体，提升生成质量。
Negar Arabzadeh, Andrew Drozdov, Michael Bendersky 等