提出多尺度动力学机制和高斯序列表示，提升单目视频4D重建精度。
Can Li, Jie Gu, Jingmin Chen 等
IGOFormer用几何感知解码+动量匹配，在DOTA-V1.0上Swin-T单尺度AP50达78.00%。
Junpeng Zhang, Zewei Yang, Jie Feng 等
ThunderAgent通过程序抽象与调度优化，实现1.5-3.6倍吞吐提升，显著降低KV缓存和资源浪费。
Hao Kang, Ziyang Li, Weili Xu 等
OpAgent通过在线强化学习实现71.6%成功率，优化Web导航。
Yuyu Guo, Wenjie Yang, Siyuan Yang 等
提出简化的on-policy SFT，通过长度截断奖励优化，显著提升推理效率和训练速度。
Anhao Zhao, Ziyang Chen, Junlong Tong 等
CoPE-VideoLM利用码流原语（运动向量和残差）实现视频语言模型的高效编码，减少时间和Token使用达93%。
Sayan Deb Sarkar, Rémi Pautrat, Ondrej Miksik 等
提出分层抽样结合模型辅助估计，提升Surrogate Outcome的估计精度。
Reagan Mozer, Nicole E. Pashley, Luke Miratrix
SciAgentGym通过SciForge提升科学工具使用能力，SciAgent-8B超越Qwen3-VL-235B-Instruct。
Yujiong Shen, Yajie Yang, Zhiheng Xi 等
INHerit-SG提出层级语义场景图结合RAG检索，提升复杂查询性能。
YukTungSamuel Fang, Zhikang Shi, Jiabin Qiu 等
提出基于条件核均值嵌入的非参数分布校准算法，有效改善预测分布的校准性。
Ádám Jung, Domokos M. Kelen, András A. Benczúr
提出ALOE，结合Q-chunking和保守值聚合，实现真实环境中VLA模型的动作级离策略评估。
Rushuai Yang, Hecheng Wang, Zhichao Wu 等
SkillsBench基准测试显示，使用精心策划的技能包提高了任务通过率16.6个百分点。
Xiangyi Li, Yimin Liu, Wenbo Chen 等
提出PACED-RL，利用分区函数作为在线准确率信号，提升LLM分布匹配训练效率。
Dohyung Kim, Minbeom Kim, Jeonghye Kim 等
Self-EvolveRec利用LLM引导的方向性反馈，通过用户模拟器和模型诊断工具实现推荐系统的自我进化，显著优于现有NAS和代码演化方法。
Sein Kim, Sangwu Park, Hongseok Kang 等
DiffuRank利用扩散语言模型实现文档重排序，支持并行解码，性能媲美甚至优于传统自回归模型。
Qi Liu, Kun Ai, Jiaxin Mao 等
提出基于模块化技能的LLM代理架构，强调技能加载、获取与安全，推动可信自我改进系统。
Renjun Xu, Yang Yan
提出On-Policy Context Distillation（OPCD），通过自我生成轨迹最小化反向KL，提升模型知识内化，适用于数学推理和任务迁移。
Tianzhu Ye, Li Dong, Xun Wu 等
通过轨迹自蒸馏实现少步扩散语言模型，提升推理任务表现。
Tunyu Zhang, Xinxi Zhang, Ligong Han 等
提出类别流映射（Categorical Flow Maps），通过连续路径实现类别数据的快速少步生成。
Daan Roos, Oscar Davis, Floor Eijkelboom 等
LDA-1B通过统一的 embodied 数据摄取，结合结构化DINO潜在空间，实现规模化动态、策略和视觉预测，模型参数达1.6B，超越前沿方法。
Jiangran Lyu, Kai Liu, Xuheng Zhang 等