VGAS通过减少方差和自适应选择实现无训练奖励对齐，提升生物序列生成效果。
Kwanyoung Kim
VPP通过虚拟阶段优化长上下文LLM推理，提升13.1%吞吐量。
Yan Shi, Xiaochao Wang, Jingchun Gao 等
Video-FLAIR通过强化学习选择推理模式，提升准确率并减少计算量。
Yogesh Kulkarni, Pooyan Fazli
MoganColBERT-TR通过MaxSim实现多向量检索，在五个土耳其语BEIR数据集上零样本表现优异，超越同类模型。
Furkan Yilmaz, Habibe Aleyna Tasdemir, Muhammed Faruk Gozay
VBVR-Pro通过300任务生成、可验证奖励和多模态评估，推动视觉推理的规模化与可靠性。
Junxiang Xu, Ruisi Wang, Fanyi Pu 等
提出VDA框架，结合VC-OT与VMA，有效应对多模态无监督连续后训练中的视觉依赖结构漂移。
Kaichen Li, Zhilin Zhu, Jianhao Huang 等
Addressing critical global challenges, from food security and disaster risk to disease outbreaks and socio-economic vulnerability, demands high-fidelity geospatial modeling. However, building predicti
Evelyn Ma, Rama Kumar Pasumarthi, Kishwar Shafin 等
SwarmWorld利用无角色、多智能体自组织，构建持久技术生态，超越孤立搜索。
Subhadeep Pal, Fiona Y. Wang, Markus J. Buehler
提出基于奇异值分解的通道组共享低秩逼近，有效压缩大核卷积点式卷积参数。
Hao Luo, Yiting Yang, Wenyi Zhao 等
StreamPI通过指令锚定的时间建模实现单帧VLA的时序推理，无参数扩展。
Zhe Liu, Jinghua Hou, Yuxiang Lu 等
DEDUCE框架通过三阶段流程提高LLM对输入事实扰动的鲁棒性，实验显示准确率提升20%。
Ping Wang, Xiangguo Sun, Bingbing Xu 等
SkillShield通过离线生成安全技能，利用系统提示防护LLM编码代理，显著降低恶意行为风险。
Xiaodong Wu, Zhimin Zhao, Qi Li 等
EVOMAL利用Banner包装恶意技能，导致自我中毒，ASP R最高达86.7%。
Xiaodong Wu, Yu Shi, Qi Li 等
提出M-HySMap，基于活动加权多播超图优化神经元映射，显著减少多播跳数。
Amirreza Khorasanian
RA-VLA通过行为对齐的检索与 grounded 执行，实现测试时无监督机器人任务适应，成功率提升17.6%。
Sanghwan Jang, Minjin Jeon, Minsoo Kim 等
CAD通过PCME和CAA减少跨模态幻觉，提高CMM和AVHBench准确率14.1%和8.0%。
Yuchen Deng, Chang Sun, Hai-Tao Zheng 等
TOPAS通过联合调度前缀缓存与请求，优化多智能体LLM服务中的任务完成时间，提升性能达39.8%。
Hongqiu Ni, Han Tian, Chi Zhang 等
基于超立方体角点的Hopfield网络合成，证明可编程更多稳定状态。
Garimella Rama Murthy
4DStreamCtrl通过统一3D点轨迹实现实时视频生成和控制，提升运动精度。
Shiqian Li, Chenguo Lin, Zhiguang Liu 等
DCGC通过掩码扩散模型实现复杂推理的全局校正，提升准确率24.8%。
Minhae Oh, Nakyung Lee, Jungwoo Lee