可塑拒绝采样（PRS）通过核估计学习采样提议，保证高概率独立同分布采样。

Akram Erraqabi, Michal Valko, Alexandra Carpentier 等

LeHome模拟环境通过PBD和FEM等方法实现家庭场景中可变形物体的高保真操控。

Zeyi Li, Yushi Yang, Shawn Xie 等

提出人机共生的协同进化理论，强调互惠和治理的动态系统模型。

Somyajit Chakraborty

提出语义与协同视图的互补融合方法，避免全局对齐带来的局限，提升推荐系统性能。

Maolin Wang, Dongze Wu, Jianing Zhou 等

ResRank通过残差段落压缩和端到端联合训练，提升信息检索的效率和效果。

Xiaojie Ke, Shuai Zhang, Liansheng Sun 等

SharpAP方法显著提高推荐系统注入攻击的可转移性，实验显示在多个数据集上性能提升。

Junsong Xie, Yonghui Yang, Pengyang Shao 等

ReCast框架在生成推荐中提升Pass@1达36.6%，优化稀疏命中信号。

Peiyan Zhang, Hanmo Liu, Chengxuan Tong 等

通过影响函数梯度实现凹统计效用最大化的多臂老虎机算法。

Matías Carrasco, Alejandro Cholaquidis

ESPRESSO框架在Solid环境中实现了可扩展的关键词搜索，提供细粒度的可见性约束和隐私保障。

Mohamed Ragab, Faria Ferooz, Mohammad Bahrani 等

LTBs-KAN通过线性时间复杂度的B样条计算提升KAN的效率。

Eduardo Said Merin-Martinez, Andres Mendez-Vazquez, Eduardo Rodriguez-Tello

Lsys编码在神经网络进化中表现优异，食物计数达到3802，超越Matrix编码。

Alexander Stuy, Nodin Weddington

EVENT5Ws：一个用于文档开放域事件抽取的大型数据集，提供手动注释和统计验证。

Praval Sharma, Ashok Samal, Leen-Kiat Soh 等

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