CoARS框架通过自蒸馏强化学习提升推荐系统性能，实验显示用户对齐度提高。
Zongwei Wang, Min Gao, Hongzhi Yin 等
研究表明视觉Transformer依赖格式塔连续性进行物体绑定，探测器在多种模型上对连续性敏感。
Alexa R. Tartaglini, Michael A. Lepori
提出K-STEMIT，结合物理先验的多分支图神经网络，用于极地冰层厚度估算。
Zesheng Liu, Maryam Rahnemoonfar
MAGE框架在共享连续潜在空间中实现条件音乐生成和混合音源提取。
Muhammad Usama Saleem, Tejasvi Ravi, Tianyu Xu 等
提出GIANTS模型，通过强化学习优化文献中的科学洞察预测，模型在17k样本上实现34%提升。
Joy He-Yueya, Anikait Singh, Ge Gao 等
RecaLLM通过显式上下文检索解决“思维迷失”问题，在RULER和HELMET基准上表现优异。
Kyle Whitecross, Negin Rahimi
基于RKHS的Koopman特征函数计算方法，确保谱保持，用于高维系统稳定性分析。
François-Grégoire Bierwart, Alexandre Mauroy
提出GREATEN框架，结合表面法线增强鲁棒性，实现跨域零样本立体匹配，误差降低30%。
Jiahao Li, Xinhong Chen, Zhengmin Jiang 等
VLA-World结合预测与反思，提升自动驾驶场景中的未来推理与安全性。
Guoqing Wang, Pin Tang, Xiangxuan Ren 等
Watt Counts通过5000+实验数据集，优化LLM在异构GPU上的能效，节能达70%。
Mauricio Fadel Argerich, Jonathan Fürst, Marta Patiño-Martínez
提出邻域Transformer，利用可切换注意力机制捕获单相性，显著提升异质图节点分类性能。
Yi Luo, Xu Sun, Guangchun Luo 等
MedConceal利用交互式患者模拟器评估医疗对话中的隐性关切推理，包含300个案例和600次互动。
Yikun Han, Joey Chan, Jingyuan Chen 等
提出基于VLM的任务感知双手操作预测框架，提升多目标环境中的策略一致性。
Fabian Hahne, Vignesh Prasad, Georgia Chalvatzaki 等
Sumo方法通过样本规划实现四足机器人全身动态操控，解决多任务问题。
John Z. Zhang, Maks Sorokin, Jan Brüdigam 等
SkillClaw用Agentic Evolver把多用户经验变成共享技能，Qwen3-Max在WildClawBench四类任务上最高提升52%。
Ziyu Ma, Shidong Yang, Yuxiang Ji 等
我们提出了一种前馈图架构，使用冻结的大型语言模型作为节点，通过线性投影在共享潜在空间中通信，实现了ARC-Challenge上87.3%的准确率。
Marcus Armstrong, Navid Ayoobi, Arjun Mukherjee
分析模型预测游戏控制器中的目标错误对稳定性和敏感性的影响。
Ada Yildirim, Bryce L. Ferguson
OV-Stitcher利用全局注意机制，无需训练，实现高效开源语义分割，mIoU提升至50.7。
Seungjae Moon, Seunghyun Oh, Youngmin Ro
Bridge-STG通过解耦时空对齐提升视频定位性能，m_vIoU从26.4提升到34.3。
Xuezhen Tu, Jingyu Wu, Fangyu Kang 等
通过分解长上下文推理为基本技能，提升LLMs的推理能力，平均提高7.7%。
Yanling Xiao, Huaibing Xie, Guoliang Zhao 等