提出Flow Expander（FE）通过验证器约束的概率空间优化，扩展预训练流模型的有效设计空间。
Riccardo De Santi, Kimon Protopapas, Ya-Ping Hsieh 等
研究揭示视觉语言模型在非文本视觉元素的空间推理中存在局限，文本识别路径表现优于视觉路径。
Yuval Levental
GLM-5采用DSA与异步强化学习，显著提升长文本理解和代码能力，达成SOTA水平。
GLM-5-Team, :, Aohan Zeng 等
Flowers是一种基于多头变形的神经网络，用于高效学习偏微分方程解算器，参数仅17M，优于传统方法。
Till Muser, Alexandra Spitzer, Matti Lassas 等
Req2Road利用大规模语言模型（LLMs）和视觉-语言模型（VLMs）实现SDV测试工件自动生成与车载执行，提升测试自动化水平。
Denesa Zyberaj, Lukasz Mazur, Pascal Hirmer 等
提出事件级增强评估协议，基于图神经网络与流模型，提升IoT异常检测鲁棒性。
Dmitry Zhevnenko, Ilya Makarov, Aleksandr Kovalenko 等
研究通过视觉提示优化框架，揭示视觉-语言模型的决策偏好，实验显示优化可显著改变选择概率。
Manuel Cherep, Pranav M R, Pattie Maes 等
本论文提出图变换器的尺寸迁移性，利用卷积位置编码实现训练在小图上的模型可泛化到大图。
Javier Porras-Valenzuela, Zhiyang Wang, Xiaotao Shang 等
BindCLIP结合对比学习与扩散模型，提升虚筛的交互敏感性和泛化能力。
Anjie Qiao, Zhen Wang, Yaliang Li 等
提出Colosseum框架，通过行动和通信指标检测多智能体系统中的潜在合谋行为。
Mason Nakamura, Abhinav Kumar, Saswat Das 等
EditCtrl通过局部和全局控制模块实现实时视频生成编辑，计算效率提升10倍。
Yehonathan Litman, Shikun Liu, Dario Seyb 等
AnchorWeave通过检索局部空间记忆显著改善长时视频生成的一致性。
Zun Wang, Han Lin, Jaehong Yoon 等
A2G-DiffRec通过自适应自动引导提高扩散推荐系统的项目公平性，实验表明在三个数据集上有效。
Zihan Li, Gustavo Escobedo, Marta Moscati 等
DriveFine结合掩码扩散模型与自我修正，实现高精度稳健的自动驾驶决策。
Chenxu Dang, Sining Ang, Yongkang Li 等
提出Query-as-Anchor框架，通过层次编码和对比自回归优化实现场景自适应用户表示，提升工业应用性能。
Jiahao Yuan, Yike Xu, Jinyong Wen 等
Interspeech 2026音频推理挑战通过MMAR-Rubrics评估音频推理模型的推理质量，代理系统表现最佳。
Ziyang Ma, Ruiyang Xu, Yinghao Ma 等
GeoEyes通过AdaZoom-GRPO提升UHR遥感图像理解，XLRS-Bench准确率达54.23%。
Fengxiang Wang, Mingshuo Chen, Yueying Li 等
通过学习力方向，提出一种低成本的仿真到现实过渡方法，显著提高接触操作任务成功率。
Yifei Yang, Anzhe Chen, Zhenjie Zhu 等
提出知识剖面框架，发现大模型编码几近饱和但召回仍是瓶颈，思考机制显著提升召回率。
Nitay Calderon, Eyal Ben-David, Zorik Gekhman 等
DeepXiv-SDK通过结构化、渐进式数据接口提升科研文献检索与利用效率，支持ArXiv全文同步。
Hongjin Qian, Ziyi Xia, Ze Liu 等