引入惯性项的全并行概率伊辛机在实时应用中实现了显著加速，成功率提升。
Ruomin Zhu, Abhishek Kumar Singh, Jérémie Laydevant 等
基于上下文信息密度最大化的自我演化LLM智能体，核心机制包括工具集、层级记忆、自我演化与压缩。
Jiaqing Liang, Jinyi Han, Weijia Li 等
提出多轮社会模拟框架，利用SSBC分析支持策略变化，揭示模型对用户困扰的内在感知。
Michelle Star, Andrew Aquilina, Yu-Ru Lin
VS-WNO在Jetson Orin Nano上未能将尖峰稀疏性转化为部署成本优势。
Jason Yoo, Shailesh Garg, Souvik Chakraborty 等
LIVE框架结合图像操控先验与视频数据，实现多任务高效视频编辑。
Weicheng Wang, Zhicheng Zhang, Zhongqi Zhang 等
提出CaOPD框架，解决能力与校准的解耦问题，显著改善模型过信心问题。
Jiaxin Zhang, Xiangyu Peng, Qinglin Chen 等
LaviGen框架利用3D生成模型实现自回归布局生成，在LayoutVLM基准上物理合理性提高19%。
Haoran Feng, Yifan Niu, Zehuan Huang 等
使用强化学习后训练的小模型在小分子药物设计任务中表现出色，接近最先进的前沿模型。
Shriram Chennakesavalu, Kirill Shmilovich, Hayley Weir 等
提出DeepInsightTheorem框架，通过识别核心技术提升非正式定理证明，显著优于基线。
Yunhe Li, Hao Shi, Bowen Deng 等
通过双重评估框架，分析LLMs在越南法律文本上的表现，揭示可读性与准确性之间的权衡。
Van-Truong Le
提出SAGR框架，通过语义区域图协调多机器人语言引导搜索，在大环境中效率提升18.8%。
Ruiyang Wang, Hao-Lun Hsu, Jiwoo Kim 等
通过任务奖励优化，提升Llama-3.2-3B-Instruct等模型在数学数据集上的表现。
Sarthak Mittal, Leo Gagnon, Guillaume Lajoie
使用CompCQ框架对LLM生成的能力问题进行跨领域分析，揭示其生成特征。
Reham Alharbi, Valentina Tamma, Terry R. Payne 等
CrossMath基准揭示视觉-语言模型在视觉推理中的局限，文本推理表现优于视觉。
Yige Xu, Yongjie Wang, Zizhuo Wu 等
本研究系统评估了多种视觉语言模型在国家级图像地理定位中的表现，揭示了其在捕捉细粒度地理线索方面的局限性。
Siddhant Bharadwaj, Ashish Vashist, Fahimul Aleem 等
HILBERT框架通过双重对比学习和信息均衡正则化，在长序列音频-文本表示学习中实现了显著性能提升。
Habibeh Naderi, Behrouz Haji Soleimani, Stan Matwin
使用梯度指纹检测和抑制奖励欺骗行为，在数学、代码和逻辑推理基准上表现优异。
Songtao Wang, Quang Hieu Pham, Fangcong Yin 等
BAGEL基准测试评估语言模型在动物知识上的表现，使用闭卷问答对动物分类、形态等进行测试。
Jiacheng Shen, Masato Hagiwara, Milad Alizadeh 等
CollideNet通过分解时序模式实现多尺度视频表示学习，显著提升碰撞时间预测精度。
Nishq Poorav Desai, Ali Etemad, Michael Greenspan
Kometo算法在多保真优化中无需已知平滑度和保真度假设，提升了学习速率。
Come Fiegel, Victor Gabillon, Michal Valko