提出SGC指标，通过相机位姿分散量化动态视频的3D几何一致性，显著优于现有方法。
Weijia Dou, Wenzhao Zheng, Weiliang Chen 等
提出MoRI框架，利用强化学习结合信息增益与语义对比提升科学创意深度与合理性。
Chenyang Gu, Jiahao Cheng, Meicong Zhang 等
通过神经网络反向传播实现快速可解释的自回归估计，速度提升12.6倍。
Anaísa Lucena, Ana Martins, Armando J. Pinho 等
RADIUS通过排名和分布两个维度评估LLM模拟问卷的对齐效果，结合统计显著性检验。
Weronika Łajewska, Paul Missault, George Davidson 等
OmniAnomaly与PCA在SMD数据集上的异常检测表现相当，尤其在不进行点调整时。
Bruna Alves, Ana Martins, Armando J. Pinho 等
本文提出了一种基于未来状态-动作访问度量的最大熵探索方法，提高了特征访问和收敛速度。
Adrien Bolland, Gaspard Lambrechts, Damien Ernst
GHOST使用高斯投影从RGB视频快速重建手物体交互，速度快10倍。
Ahmed Tawfik Aboukhadra, Marcel Rogge, Nadia Robertini 等
通过BERT Score和专家评估，研究ChatGPT-4o、GeminiAI和Perplexity AI在生成泰卢固语孕产健康问答中的表现，Gemini表现最佳。
Anagani Bhanusree, Sai Divya Vissamsetty, K VenkataKrishna Rao 等
Motion-o通过显式运动链提升视频推理，提升了轨迹一致性。
Bishoy Galoaa, Shayda Moezzi, Xiangyu Bai 等
本研究通过多模态prompt和多代理架构分析LLM在不同方言中的偏见表现，发现多代理策略有效减轻偏差。
Martina Ullasci, Marco Rondina, Riccardo Coppola 等
SCALe方法通过动态权重调整提升视觉语言模型的推理和答案准确性。
Shaked Perek, Ben Wiesel, Avihu Dekel 等
提出跨模态上下文学习方法，提升音视频生成质量，减少资源需求。
Bingqi Ma, Linlong Lang, Ming Zhang 等
提出了一种无参考模拟框架，通过训练独立的用户和推荐器模拟器生成更真实的对话。
Jerome Ramos, Feng Xia, Xi Wang 等
通过协方差方法和Granger因果关系优化，从部分测量中恢复稀疏神经连接。
Quilee Simeon
AS2通过软化ASP算子实现端到端可微推理，在Visual Sudoku上达99.89%准确率。
Wael AbdAlmageed
Inst4DGS提出基于实例分解的4D高斯点云追踪与重建，利用可微分Sinkhorn层实现多视角实例匹配。
Yonghan Lee, Dinesh Manocha
通过微分方程理解深度神经网络，提升性能和应用。
Hongjue Zhao, Yizhuo Chen, Yuchen Wang 等
DriveVLM-RL用双路径VLM奖励，在CARLA上把碰撞严重度降到1.75 km/h。
Zilin Huang, Zihao Sheng, Zhengyang Wan 等
ChoiceEval框架揭示LLM在品牌和文化偏好中的地理偏见，尤其是美国实体。
Jasmine Rienecker, Katarina Mpofu, Naman Goel 等
ALIGN通过对抗学习提高跨会话语音神经假体的泛化能力，显著降低音素和单词错误率。
Zhanqi Zhang, Shun Li, Bernardo L. Sabatini 等