提出自主演化的代理系统（AgenticRS），通过强化学习和大模型生成实现推荐模块的自我优化。
Jinxin Hu, Hao Deng, Lingyu Mu 等
AutoModel采用三核心智能代理（AutoTrain、AutoFeature、AutoPerf）实现推荐系统全生命周期自动化，显著降低人工成本。
Hao Zhang, Jinxin Hu, Hao Deng 等
提出ARTA，通过稀疏扰动增强多变量时间序列异常检测的鲁棒性，显著改善性能。
Hadi Hojjati, Narges Armanfard
DiReCT方法提升VideoPhy物理常识分数16.7%，不增加训练时间。
Abolfazl Meyarian, Amin Karimi Monsefi, Rajiv Ramnath 等
ENAP通过视觉运动轨迹学习符号结构，比现有方法在低数据场景下提升27%。
Yiyuan Pan, Xusheng Luo, Hanjiang Hu 等
提出基于动态优化的人类运动重定向与控制引导RL，实现高速（3.3m/s）自主 humanoid 跑步。
Zachary Olkin, William D. Compton, Ryan M. Bena 等
Fus3D利用预训练几何Transformer的中间特征，直接回归密集SDF，实现快速无摄像头校准的3D重建。
Laura Fink, Linus Franke, George Kopanas 等
提出Kitchen Loop框架，通过“用户驱动+自我演化”实现代码持续优化，285轮迭代无回归。
Yannick Roy
WebTestBench评估端到端自动化网页测试，模型F1均低于30%。
Fanheng Kong, Jingyuan Zhang, Yang Yue 等
ETA-VLA通过时间融合和稀疏化减少计算量32%，保留94%准确率。
Yiru Wang, Anqing Jiang, Shuo Wang 等
GDPO-Listener通过自回归流匹配和群体奖励解耦策略优化生成高表达性头部动作。
Zhangyu Jin, Maksim Siniukov, Deuksin Kwon 等
提出Exons-Detect，通过隐藏状态差异识别关键“外显子”Token，提升AI文本检测鲁棒性。
Xiaowei Zhu, Yubing Ren, Fang Fang 等
提出BrainScaleS离芯片脉冲通信的系统特性评估方法，分析吞吐、延迟、抖动和脉冲丢失。
Bernhard Vogginger, Vasilis Thanasoulis, Johannes Partzsch 等
提出多答案强化学习（Multi-Answer RL），实现模型一次性生成多候选答案，提升多样性和校准。
Isha Puri, Mehul Damani, Idan Shenfeld 等
提出PyHealth框架，评估注意力机制在临床时间序列预测模型中的解释性，发现Chefer方法最有效。
Yongda Fan, John Wu, Andrea Fitzpatrick 等
GoldiCLIP通过平衡监督信号，在仅3000万图像上实现数据高效的视觉语言预训练。
Deen Dayal Mohan, Hossein Souri, Vitali Petsiuk 等
AVControl基于LTX-2，通过LoRA实现多模态音视频控制，训练快速高效。
Matan Ben-Yosef, Tavi Halperin, Naomi Ken Korem 等
SlopCodeBench通过36个问题和196个检查点，系统测量编码代理在长时域迭代任务中的代码退化，发现代码逐步变得臃肿和复杂。
Gabriel Orlanski, Devjeet Roy, Alexander Yun 等
提出了一种马尔可夫框架，用于审计代理AI的可靠性和监督成本，提升了12.53%的状态-动作盲点质量。
Biplab Pal, Santanu Bhattacharya
Latent-WAM通过空间感知和动态信息的潜在世界表示，实现高效的端到端自动驾驶，NAVSIM v2上得分89.3。
Linbo Wang, Yupeng Zheng, Qiang Chen 等