引入“锐度维度”来解释边缘稳定性下的泛化性能提升。
Mario Tuci, Caner Korkmaz, Umut Şimşekli 等
研究无限宽随机神经网络在球面上的函数波动，揭示三种极限行为。
Simmaco Di Lillo, Leonardo Maini, Domenico Marinucci
提出Safe EWC和CF-EWC算法，在非平稳环境中实现安全的持续强化学习。
Austin Coursey, Abel Diaz-Gonzalez, Marcos Quinones-Grueiro 等
FASTER方法通过在去噪过程中早期筛选动作样本，降低了计算成本，同时保持了强化学习的性能。
Perry Dong, Alexander Swerdlow, Dorsa Sadigh 等
VLA Foundry：一个统一的视觉-语言-动作模型训练框架，提升多任务桌面操作策略性能。
Jean Mercat, Sedrick Keh, Kushal Arora 等
对抗训练下的视觉Transformer在适度扰动预算下实现了近零鲁棒训练损失和鲁棒泛化误差。
Jiaming Zhang, Meng Ding, Shaopeng Fu 等
通过自然语言和符号视图对齐，发现LLM的共享逻辑子空间，提高逻辑推理准确率达11%。
Feihao Fang, My T. Thai, Yuanyuan Lei
通过联合模拟框架评估虚拟电厂调度算法在智能配电系统中的性能，揭示通信延迟对控制效果的显著影响。
Houchao Gan
使用行列式点过程优化蒙特卡罗积分，提升估计器的方差收敛速度。
Guillaume Gautier, Rémi Bardenet, Michal Valko
A-MAR框架通过结构化推理计划提升艺术品多模态检索的解释质量。
Shuai Wang, Hongyi Zhu, Jia-Hong Huang 等
InsightGen生成多样且相关的见解，提升开放式文档问答体验。
Saransh Sharma, Pritika Ramu, Aparna Garimella 等
Mask World Model通过预测语义掩码而非像素，提升机器人策略学习的鲁棒性，在LIBERO和RLBench中表现优异。
Yunfan Lou, Xiaowei Chi, Xiaojie Zhang 等
MATCH方法在高噪声环境下的插销任务中成功率提高35%，平均施加力减少30%。
Hunter L. Brown, Geoffrey Hollinger, Stefan Lee
RAPIDDS框架通过多周期时空适应提高人机协作效率，显著改善计划流畅性和用户偏好。
Alex Cuellar, Michael Hagenow, Julie Shah
结合ECLASS语义的密集检索方法在电子元件语义搜索中实现94.3%的HitRate@5。
Nico Baumgart, Markus Lange-Hegermann, Jan Henze
通过GPT模型预测开放式调查文本的体验评分，提示优化提升2个百分点。
Andrew Hong, Jason Potteiger, Luis E. Zapata
使用OpenCLIP视觉学习模型实现手势识别，提升AcoustoBot群体交互准确率至87.8%。
Alex Lin, Lei Gao, Narsimlu Kemsaram 等
微型语言模型（μLMs）通过在设备上生成前4-8个词，结合云端模型，实现即时响应。
Wen Cheng, Tuochao Chen, Karim Helwani 等
SafetyALFRED评估多模态大语言模型在厨房环境中的安全规划，发现模型在识别危险方面表现良好，但在风险缓解上成功率较低。
Josue Torres-Fonseca, Naihao Deng, Yinpei Dai 等
通过ESKF-PRE-VMPC框架，自动化无人机管道检查在无风条件下减少52.63%和75.04%的RMSE。
Wen Li, Hui Wang, Jinya Su 等