SpatialVAM通过3D视频扩散模型实现高效机器人策略学习，在Meta-World等任务中提升22%。
Peiyan Li, Yixiang Chen, Yuan Xu 等
ARM通过三态标签实现长时序机器人操控中的相对优势估计，成功提升折叠毛巾任务的成功率至99.4%。
Yiming Mao, Zixi Yu, Weixin Mao 等
InfoSeeker以Host–Manager–Worker层级并行架构，在WideSearch达8.38%成功率并提速3–5倍。
Ka Yiu Lee, Yuxuan Huang, Zhiyuan He 等
提出RTT框架，将响应级评分与Token级奖励结合，利用Token相关判别器实现细粒度奖励，显著提升指令跟随性能。
Tianze Xu, Yanzhao Zheng, Pengrui Lu 等
PolyBench基于Polymarket，结合38,666个二元预测市场、订单簿和新闻流，评估7个大型语言模型的预测和交易能力，只有两款模型实现正收益。
Pu Cheng, Juncheng Liu, Yunshen Long
通过限制简单词汇（如“非常”、“只是”）改善LLM推理效果，优于深层语法约束（如E-Prime），验证了输出正则化机制。
Rodney Jehu-Appiah
通过角色扮演LLM训练，LLMimic显著提升AI素养，降低AI劝说成功率，改善社会责任感。
Qihui Fan, Min Ge, Chenyan Jia 等
VERTIGO通过视觉偏好优化，减少角色离屏率至0%，提升镜头质量。
Mengtian Li, Yuwei Lu, Feifei Li 等
多代理视频推荐系统结合LLM，提升推荐精度和解释性。
Srivaths Ranganathan, Abhishek Dharmaratnakar, Anushree Sinha 等
采用社会媒体模拟，分析LLMs对残障群体的偏见，发现过度理想化与偏见强化。
Marco Bombieri, Simone Paolo Ponzetto, Marco Rospocher
RebusBench评估LVLMs的认知视觉推理，性能低于10%精确匹配。
Seyed Amir Kasaei, Arash Marioriyad, Mahbod Khaleti 等
提出SteerFlow，通过固定点求解与轨迹插值实现高保真逆向图像编辑，提升源图保持性。
Thinh Dao, Zhen Wang, Kien T. Pham 等
提出统一框架分析多种记忆方法，设计新模型在长对话任务中超越SOTA。
Yanchen Wu, Tenghui Lin, Yingli Zhou 等
ReFlow通过自我校正机制实现单目动态场景的高质量4D重建，避免外部运动引导。
Yanzhe Liang, Ruijie Zhu, Hanzhi Chang 等
提出DBCooker，利用LLMs自动合成数据库原生函数，准确率提升34.55%。
Wei Zhou, Xuanhe Zhou, Qikang He 等
提出“魔、狂、天、罪”框架，模型输出多样性依任务目标而定，分析四类场景。
Harnoor Dhingra
引入FoodGuardBench评估LLMs食品安全性，揭示三大漏洞。
Weidi Luo, Xiaofei Wen, Tenghao Huang 等
通过测试时计算提升潜在泛化，使用强化学习训练长思维链。
Arslan Chaudhry, Sridhar Thiagarajan, Andrew Lampinen
研究展示了GRU-based RSSM在对抗性攻击下的安全风险，奖励减少59.5%。
Manoj Parmar
HippoCamp基准测试评估多模态文件管理代理，揭示当前模型在用户环境中的局限性，最高准确率仅48.3%。
Zhe Yang, Shulin Tian, Kairui Hu 等