使用LoRA微调的OCR模型将手写陶器记录转为结构化数据，错误率降至1.5%以下。
Gissu Valentina Naghavi, Dominik Hagmann, Martin Kampel 等
S2GE通过采样和对齐提升图增强LLM的解码器可用性，显著提高准确率。
Xiaoyu Guo, Pengcheng Chen, Jiong Yu 等
提出了答案探测引导的树搜索(APTS)，在三个推理任务上提高了解决方案的多样性。
Yi Fang, Que Shen, Chengpeng Li 等
提出认知边界用户模拟器(CBUS)，通过限制工作记忆模拟儿童阅读行为，显著缩小与真实学生的差距。
Krisztian Balog, Arild Michel Bakken
以MinHash LSH与语义去重构建PersonaGen-1M，得103万意图标注买家画像。
Dmitrij Żatuchin, Daniil Dzemesjuk
提出离散扩散桥（DDB），通过混合吸收和信息引导噪声调度解决图像生成中的时空错位问题。
Xing Xie, Jiawei Liu, Shijun Zhou 等
RIDGE通过时间信号选择长视频帧，在四个基准上表现最佳。
Shanqing Xu, Meng Luo, Mengchen Qian 等
EMERGE-Policy通过多角色子代理协作，实现机器人系统的系统级策略，无需单一模型。
Zhirui Fang, Qingchi Yu, Ziyang Chen 等
Qwen3-14B序列级蒸馏以ARCscore显著提升小模型法律论证覆盖率。
Mohamed Elaraby, Ahmed Elhady, Diane Litman
EVAR框架提高了长篇叙事推理的证据忠实度和任务表现，同时控制推理成本。
Peilin Liu, Zhiquan Ji, Jinglong Ping
VeloBins通过离散速度区间分类学习速度及其不确定性，在四个数据集上减少误差3-53%。
Maulana Bisyir Azhari, Seungwook Lee, Donghun Han 等
ACTD通过词汇和序列对齐，结合残差正则化，实现跨分词器知识蒸馏，提升五项推理任务性能。
Huiyi Zhang, Zijian Li, Xiaocheng Feng 等
提出基于证据门控的多智能体云端MLOps框架，实现自然语言任务到验证部署的自动化转化。
Sagar Srinivas Sakhinana, Venkataramana Runkana
RePair方法通过修复检索错误，提高了Flickr30K和COCO30K上的跨模态检索性能。
Siyi Liu, Xiaorong Zhu, Enjun Du 等
3D-MRL通过嵌套表示学习提升3D形状的零样本识别精度至50.9%。
Márcus Lobo, Vitor Matias, Jeová Farias 等
RAGDiffusion++通过宏观检索和微观对齐生成高保真服装图像，FID降低14.3%。
Yuhan Li, Xianfeng Tan, Fangao Zeng 等
采用噪声信号比（NSR）评估多模型文化定位的测量有效性，发现42%的模型-问卷对NSR>1，模型偏向西方文化。
An Duy Nguyen, Muhammad Aurangzeb Ahmad
RACER以强化学习和四智能体协作提升KG推理，平均性能提高约5%。
Yuwei Lou, Hao Hu, Yuzhou Jiang 等
GoM框架通过场景分离验证和目标扩散适应提高单图像多视图合成的泛化能力，排名第一。
Jie Li, Xingchen Zou, Yuxuan Liang
GCJR以图约束联合回放恢复最小修复族，在90个受控案例中达到1.000 FEM并节省55.1%回放。
Bingjie Li, Yumeng Song, Zhongming Yao 等