DualCoT-VLA通过并行推理实现视觉-语言-动作模型的视觉语言思维链，提升复杂任务的执行效率。

Zhide Zhong, Junfeng Li, Junjie He 等

3D-Layout-R1通过场景图推理实现语言指导的空间布局编辑，IoU提升15%，中心距离误差减少25%。

Haoyu Zhen, Xiaolong Li, Yilin Zhao 等

研究揭示视觉语言模型中空间变量绑定的双重机制，提升COCO数据集上的性能。

Kelly Cui, Nikhil Prakash, Shoval Messica 等

Scaling DoRA通过分解范数和融合内核实现高阶适配，显著降低内存使用，提升速度。

Alexandra Zelenin, Alexandra Zhuravlyova

TiCo方法通过语音时间标记显著提高对话模型的时间控制能力，MAE降至4.54秒。

Kai-Wei Chang, Wei-Chih Chen, En-Pei Hu 等

DexDrummer结合轨迹规划和残差强化学习，实现1.0的F1分数。

Hung-Chieh Fang, Amber Xie, Jennifer Grannen 等

MemDLM通过双层优化嵌入模拟去噪过程，提升DLM训练效率和长文本理解能力。

Zehua Pei, Hui-Ling Zhen, Weizhe Lin 等

SPA方法通过精心设计的提示生成大规模合成数据，实现知识注入，表现优异。

Kexian Tang, Jiani Wang, Shaowen Wang 等

NMR框架通过动态映射解决人形机器人运动重定向问题，显著减少关节跳跃和自碰撞。

Qingrui Zhao, Kaiyue Yang, Xiyu Wang 等

P-Flow利用测试时优化文本提示，实现无需训练的动态视觉特效定制。

Rui Zhao, Mike Zheng Shou

GeoFusion-CAD通过几何状态空间扩展长序列CAD生成，提升240步命令的准确性。

Xiaolei Zhou, Chuangjie Fang, Jie Wu 等

提出适应性视频蒸馏框架，有效缓解过饱和和时间塌陷问题，提升少步生成质量。

Yuyang You, Yongzhi Li, Jiahui Li 等

提出基于图像条件的强化学习方法，实时调节视觉里程计前端参数，提升轨迹长度和效率。

Simone Nascivera, Leonard Bauersfeld, Jeff Delaune 等

TableLong方法通过表格数据提升长上下文推理能力，平均提高8.24%。

Huaibing Xie, Guoliang Zhao, Yang Liu 等

WinDiNet使用预训练视频模型快速模拟城市风流，优化行人舒适度，生成112帧仅需1秒。

Janne Perini, Rafael Bischof, Moab Arar 等

SqueezeComposer通过时间加速生成长音乐，使用扩散模型实现高效、高质量的音乐生成。

Jianyi Chen, Rongxiu Zhong, Shilei Zhang 等

LongCat-Flash-Prover通过工具整合强化学习提升Lean4形式化推理，MiniF2F-Test通过率97.1%。

Jianing Wang, Jianfei Zhang, Qi Guo 等

提出VARS框架，通过在线弱奖励学习用户双向向量，提升多会话个性化交互效率。

Yuren Hao, Shuhaib Mehri, ChengXiang Zhai 等

PUPPET框架预测LLM对人类信念的影响，相关性达r=0.3-0.5，揭示模型偏差。

Jocelyn Shen, Amina Luvsanchultem, Jessica Kim 等

提出Spectral-Sphere-Constrained Hyper-Connections (sHC)，突破Birkhoff多面体限制，增强模型表达力。

Zhaoyi Liu, Haichuan Zhang, Ang Li