研究探讨在边缘设备上部署基础模型的系统约束和缓解策略，强调内存带宽和计算延迟的影响。
Utkarsh Grover, Ravi Ranjan, Mingyang Mao 等
提出五层AI研究整合模型，构建开源自主助手框架，助力数学与ML研究。
Max Zimmer, Nico Pelleriti, Christophe Roux 等
提出了一种GPU并行化的可微分最直测地线算法，提升了3D网格学习的效率和准确性。
Hippolyte Verninas, Caner Korkmaz, Stefanos Zafeiriou 等
PUMA模型在动态环境中实现了6.3%的成功率提升，结合历史光流和世界查询。
Heng Fang, Shangru Li, Shuhan Wang 等
混合深度注意力(MoDA)在1.5B参数模型上提升了2.11%的下游任务表现，计算开销仅增加3.7%。
Lianghui Zhu, Yuxin Fang, Bencheng Liao 等
HorizonMath通过自动验证框架评估AI在数学发现上的进展，GPT 5.4 Pro在两个问题上取得突破。
Erik Y. Wang, Sumeet Motwani, James V. Roggeveen 等
GlyphPrinter通过区域分组直接偏好优化提升字形精度，超越现有方法。
Xincheng Shuai, Ziye Li, Henghui Ding 等
使用稀疏自编码器纠正语言模型的道德冷漠，提升75%对抗性基准胜率。
Lingyu Li, Yan Teng, Yingchun Wang
Tri-Prompting方法在多视角主体一致性和运动精度上显著优于Phantom和DaS。
Zhenghong Zhou, Xiaohang Zhan, Zhiqin Chen 等
HSImul3R通过物理反馈优化实现稳定的人-场景交互3D重建，显著提升模拟稳定性。
Yukang Cao, Haozhe Xie, Fangzhou Hong 等
Code-A1通过对抗性共进化框架，提升代码生成和测试生成能力。
Aozhe Wang, Yuchen Yan, Nan Zhou 等
研究发现反事实解释的算法指标与用户感知不一致，需更人性化的评估方法。
Felix Liedeker, Basil Ell, Philipp Cimiano 等
PRIMO R1通过强化学习将视频MLLMs转变为主动“批评者”，在RoboFail基准上达到67.0%准确率。
Yibin Liu, Yaxing Lyu, Daqi Gao 等
OpenSeeker通过开放训练数据，利用可控问答合成和去噪轨迹合成，实现前沿搜索代理的民主化。
Yuwen Du, Rui Ye, Shuo Tang 等
通过有效蒸馏，将xLSTM架构应用于大型语言模型，恢复甚至超越教师模型性能。
Lukas Hauzenberger, Niklas Schmidinger, Thomas Schmied 等
LEXI通过无损指数编码减少混合LLM芯片间通信延迟33-45%。
Miao Sun, Alish Kanani, Kaushik Shroff 等
提出了一种将人类心灵视为操作系统的认知架构，用于构建人工通用智能。
Anton Kolonin, Vladimir Krykov
使用ResNet和VGG等机器学习模型在4D-STEM中实现铁电体极化方向映射，准确率达99.8%。
Matej Martinc, Goran Dražič, Anton Kokalj 等
Lore协议通过git trailers将提交信息转化为结构化知识，提升AI编码代理的决策记录。
Ivan Stetsenko
PokeAgent挑战通过Pokemon战斗和RPG环境测试AI决策能力，提供20M+数据集和标准化评估框架。
Seth Karten, Jake Grigsby, Tersoo Upaa 等