研究表明大语言模型影响了AI顶会的同行评审，尤其在语言复杂度和评价重点上。
Wenqing Wu, Chengzhi Zhang, Yi Zhao 等
Diagnosable ColBERT通过对齐临床知识的参考潜在空间，提升ColBERT模型的诊断能力。
François Remy
LoopCTR通过循环扩展范式提升点击率预测性能，显著减少计算成本。
Jiakai Tang, Runfeng Zhang, Weiqiu Wang 等
LiveVLN通过多步动作延续打破视觉语言导航中的停走循环，减少77.7%的等待时间。
Xiangchen Wang, Weiye Zhu, Teng Wang 等
提出异质性感知的个性化联邦学习模型，提升工业预测分析中的故障时间预测精度。
Yuhan Hu, Xiaolei Fang
CAST框架通过语义级转换建模，提升了17.6%召回率和16.0% NDCG，训练加速65倍。
Qian Zhang, Lech Szymanski, Haibo Zhang 等
MARS模型通过并行化和跳跃连接实现了21倍训练加速和显著性能提升。
Coşku Can Horuz, Andrea Ceni, Claudio Gallicchio 等
大型语言模型展现规范性从众行为，研究揭示其内在机制。
Mikako Bito, Keita Nishimoto, Kimitaka Asatani 等
CS3框架通过循环自适应结构、跨塔同步和级联模型共享，实现了两塔推荐系统的高效在线能力协同，提升了8.36%的广告收入。
Lixiang Wang, Shaoyun Shi, Peng Wang 等
提出FOCAL：融合覆盖与锚定的多标签异构图注意机制，提升性能。
Chenghao Zhang, Qingqing Long, Ludi Wang 等
通过居中和奇异值阈值法快速估计高斯混合模型的成分数，无需迭代。
Huan Qing
S2MAM通过双层优化实现鲁棒估计和变量选择，验证于16个数据集。
Xuelin Zhang, Hong Chen, Yingjie Wang 等
提出Denoising Recursion Models（DRM），通过多步递归去除噪声，显著优于TRM在ARC-AGI任务中的表现。
Chris Cameron, Wangzheng Wang, Nikita Ivanov 等
MathNet提供了一个全球多模态数学推理和检索基准，涵盖47国的30,676道奥数题。
Shaden Alshammari, Kevin Wen, Abrar Zainal 等
MUA方法通过小波引导的多层空间因子化混合形状，实现高达2000倍的计算成本降低。
Heming Zhu, Guoxing Sun, Marc Habermann
Sessa通过在反馈路径中引入选择性注意机制，实现长程记忆增强。
Liubomyr Horbatko
提出了有界比率强化学习（BRRL）框架，实验表明在MuJoCo等环境中性能优于PPO。
Yunke Ao, Le Chen, Bruce D. Lee 等
BLF系统通过序列贝叶斯更新语言信念，在ForecastBench基准上实现了最先进的二元预测性能。
Kevin Murphy
Apollo模型整合28种医学模态和12个专业领域的临床记录，预测新疾病风险达5年。
Andrew Zhang, Tong Ding, Sophia J. Wagner 等
重新审视主动顺序预测驱动的均值估计，发现最小置信区间宽度在常数概率权重接近1时出现。
Maria-Eleni Sfyraki, Jun-Kun Wang