提出BridgeNav，基于视觉和指令的室内外无先验导航，成功率达89.55%。
Yuxiang Zhao, Yirong Yang, Yanqing Zhu 等
提出DesignAsCode框架，利用HTML/CSS实现结构可编辑性与视觉保真度的平衡，实验显示优于现有方法。
Ziyuan Liu, Shizhao Sun, Danqing Huang 等
提出“Diamond Maps”，通过随机流映射实现高效奖励对齐，能在推理时快速适应任意奖励。
Peter Holderrieth, Douglas Chen, Luca Eyring 等
本文以记忆生命周期为主线，系统综述图结构智能体记忆，但未报告统一数据集或量化实验。
Chang Yang, Chuang Zhou, Yilin Xiao 等
提出A-GRAE，通过动态调节探索激励和样本难度，改善GRPO探索和适应性。
Zhiqi Yu, Zhangquan Chen, Mengting Liu 等
提出统一裁剪框架，结合KL3估计器优化GRPO，提升训练稳定性与探索能力。
Qingyuan Wu, Yuhui Wang, Simon Sinong Zhan 等
提出多字段工具检索框架（MFTR），通过结构化、多维匹配提升检索性能。
Yichen Tang, Weihang Su, Yiqun Liu 等
EmbedOpt通过优化蛋白质扩散模型的条件嵌入，实现稳健的推理引导，提升 cryo-EM拟合和距离约束性能。
Minhuan Li, Jiequn Han, Pilar Cossio 等
提出GT-SVJ，将视频生成模型转为能捕捉时间动态的奖励模型，利用对比学习提升效率。
Shivanshu Shekhar, Uttaran Bhattacharya, Raghavendra Addanki 等
采用研究级数学问题评估AI自主解题能力，提出基于真实研究场景的问答框架。
Mohammed Abouzaid, Andrew J. Blumberg, Martin Hairer 等
本文提出一种新的不确定性量化框架，适用于交互式LLM代理，解决了多步推理中的不确定性问题。
Changdae Oh, Seongheon Park, To Eun Kim 等
VISTA通过轨迹跟随偏好优化增强VLA模型的视觉条件，提升成功率3.15%。
Yiye Chen, Yanan Jian, Xiaoyi Dong 等
提出Entropy-aware Reward Guidance（EntRGi）用于离散扩散语言模型，平衡梯度可靠性与奖励模型准确性。
Atula Tejaswi, Litu Rout, Constantine Caramanis 等
LABBench2通过1900个任务提高AI系统在生物研究中的实际能力，模型准确率下降26%-46%。
Jon M Laurent, Albert Bou, Michael Pieler 等
VISTA-Bench揭示视觉化文本与纯文本模型的显著模态差距，基于多任务评估模型理解能力。
Qing'an Liu, Juntong Feng, Yuhao Wang 等
NeuroCanvas通过将多通道EEG信号转化为图像，提升癫痫检测精度20%，减少推理延迟88%。
Yan Chen, Jie Peng, Moajjem Hossain Chowdhury 等
提出自适应提示引导（APE），基于信息论框架，通过视觉查询优化文本到图像生成的用户意图匹配。
Xinyi Wen, Lena Hegemann, Xiaofu Jin 等
LinGO通过语言图优化和LLMs解释网络不文明言论的意图，提升准确率和F1分数。
Yuan Zhang, Thales Bertaglia
通过修改聊天模板实现推理时后门攻击，准确率从90%降至15%。
Ariel Fogel, Omer Hofman, Eilon Cohen 等
RexBERT通过Ecom-niverse语料库和三阶段训练在电商领域表现出色。
Rahul Bajaj, Anuj Garg