LoTIS通过图像空间定位参考轨迹，实现机器人平台无关的视觉导航，成功率达94-98%。
Finn Lukas Busch, Matti Vahs, Quantao Yang 等
提出基于双仿射编码的控制不变视觉表示，提升JEPAs在背景变化中的鲁棒性，模型参数比DINO-WM小10倍。
Leonardo F. Toso, Davit Shadunts, Yunyang Lu 等
VIRAASAT使用Symbolic Chain-of-Manipulation提升印度文化推理能力，性能提升达20%。
Harshul Raj Surana, Arijit Maji, Aryan Vats 等
以信息论为框架，Oracle RL与条件互信息奖励提升CoT可监控性并抑制奖励劫持。
Usman Anwar, Tim Bakker, Dana Kianfar 等
SimVLA通过简化视觉-语言-动作模型设计，在LIBERO基准上以0.5B参数超越多亿参数模型，表现优异。
Yuankai Luo, Woping Chen, Tong Liang 等
提出通过正弦位置编码调节图流匹配中的对称性，平衡训练速度与泛化能力。
Benjamin Honoré, Alba Carballo-Castro, Yiming Qin 等
提出梯度正则化（GR）缓解奖励黑客问题，提升奖励模型准确性，实验证明优于KL惩罚。
Johannes Ackermann, Michael Noukhovitch, Takashi Ishida 等
提出MantisV2，通过合成数据和测试策略显著缩小零样本时间序列分类性能差距。
Vasilii Feofanov, Songkang Wen, Jianfeng Zhang 等
Token Games通过模型自创谜题来评估语言模型的推理能力，节省成本。
Simon Henniger, Gabriel Poesia
提出Grassmannian MoE（GrMoE），通过矩阵Bingham分布调控子空间路由熵，解决专家崩溃问题。
Ibne Farabi Shihab, Sanjeda Akter, Anuj Sharma
Reverso模型通过长卷积和线性RNN层实现高效的零样本时间序列预测，参数量减少百倍。
Xinghong Fu, Yanhong Li, Georgios Papaioannou 等
WarpRec通过无后端限制架构统一学术与工业推荐系统，支持50+算法，集成CodeCarbon进行能耗追踪。
Marco Avolio, Potito Aghilar, Sabino Roccotelli 等
提出X-Value基准测试，评估大语言模型跨语言价值判断能力，包含4750个QA对。
Yukun Chen, Xinyu Zhang, Boyi Deng 等
NeST通过激活探测和簇级训练，实现对LLM安全的高效后置微调，显著降低攻击成功率。
Sasha Behrouzi, Lichao Wu, Mohamadreza Rostami 等
VETime通过视觉-时间对齐和动态融合，实现零样本时间序列异常检测，显著提高定位精度。
Yingyuan Yang, Tian Lan, Yifei Gao 等
提出自监督语义桥（SSB）框架，结合外部语义先验实现无配准图像转换，超越现有Diffusion方法。
Jiaming Liu, Felix Petersen, Yunhe Gao 等
提出反馈循环模型，分析推荐系统中的多样性悖论，发现动态演变中个体多样性逐渐下降。
Gabriele Barlacchi, Margherita Lalli, Emanuele Ferragina 等
MemoryArena评估多会话任务中记忆体的表现，揭示现有评估的不足。
Zexue He, Yu Wang, Churan Zhi 等
提出NESSiE安全基准，通过关键词匹配检测LLMs的安全性缺陷，表现出模型偏向有用性而非安全性。
Johannes Bertram, Jonas Geiping
使用Corecraft高保真环境训练AI代理，GLM 4.6模型任务通过率从25.37%提升至36.76%。
Sushant Mehta, Logan Ritchie, Suhaas Garre 等