通过FLUX的变分自编码器潜在空间实现色彩控制，揭示了色相、饱和度和亮度的结构。
Mateusz Pach, Jessica Bader, Quentin Bouniot 等
HumDex系统通过IMU跟踪和学习方法实现便携的人形灵巧操作，提升了数据采集效率和泛化能力。
Liang Heng, Yihe Tang, Jiajun Xu 等
DreamVideo-Omni通过潜在身份强化学习实现多主体视频定制，提升身份保真度和运动控制精度。
Yujie Wei, Xinyu Liu, Shiwei Zhang 等
AutoGaze通过自回归选择多尺度视频片段，减少冗余，提升效率，支持1K帧4K视频处理。
Baifeng Shi, Stephanie Fu, Long Lian 等
EndoCoT通过激活MLLMs的推理潜力，实现了92.1%的准确率，比基线高8.3%。
Xuanlang Dai, Yujie Zhou, Long Xing 等
研究通过推理LLM裁判在不可验证LLM后训练中提高性能，使用gpt-oss-120b作为金标准。
Yixin Liu, Yue Yu, DiJia Su 等
可分离神经架构（SNA）通过约束交互阶数和张量秩，实现统一的预测和生成智能。
Reza T. Batley, Apurba Sarker, Rajib Mostakim 等
BiGain通过频率分离实现加速扩散模型的生成和分类双重优化，提升分类准确率7.15%，FID提高0.34。
Jiacheng Liu, Shengkun Tang, Jiacheng Cui 等
STAMP框架利用极坐标机制在文本隐私保护中实现更优的隐私-效用平衡。
Fengwei Tian, Payel Bhattacharjee, Heidi Hanson 等
通过学习冲突的增量神经网络验证方法在Marabou验证器上实现了最高1.9倍的加速。
Raya Elsaleh, Liam Davis, Haoze Wu 等
通过时间拉直提升潜在规划的表现，成功率提高20-60%。
Ying Wang, Oumayma Bounou, Gaoyue Zhou 等
RandOpt方法通过随机扰动和集成投票提升大规模模型性能，尤其在预训练权重附近。
Yulu Gan, Phillip Isola
Idea-Catalyst框架通过跨学科灵感提高科学创造力，平均新颖性提高21%，洞察力提高16%。
Priyanka Kargupta, Shuhaib Mehri, Dilek Hakkani-Tur 等
Porfolio-CEGAR-SEQ算法在3D打印中优化对象排列和调度，减少打印板使用。
Pavel Surynek
RDNet通过动态自适应模块提高光学遥感图像中的显著目标检测精度。
Bin Wan, Runmin Cong, Xiaofei Zhou 等
CLASP模型通过XGBoost分类器检测恶意令牌，达到95.9%令牌级F1分数。
Alexandre Le Mercier, Thomas Demeester, Chris Develder
IndexCache通过跨层索引重用加速稀疏注意力，减少75%计算量，提升1.82倍速度。
Yushi Bai, Qian Dong, Ting Jiang 等
提出一种能处理8192个token的波兰语长上下文编码器模型，显著提升长文档任务表现。
Sławomir Dadas, Rafał Poświata, Marek Kozłowski 等
ComFree-Sim是一种基于GPU并行化的接触物理引擎，能在接触密集场景中实现近线性扩展，吞吐量提高2-3倍。
Chetan Borse, Zhixian Xie, Wei-Cheng Huang 等
通过正反向KL目标量化生成模型训练后遗忘，避免质量下降。
Krishnakumar Balasubramanian, Shiva Prasad Kasiviswanathan