RASA通过修复安全关键专家和保持路由一致性，提升MoE模型的安全性。
Jiacheng Liang, Yuhui Wang, Tanqiu Jiang 等
提出EMA锚点与Top-k KL，提升LLMs强化学习性能，达成53.9%数学推理准确率。
Lunjun Zhang, Jimmy Ba
SparVAR通过稀疏性加速VAR模型，生成1024x1024图像仅需1秒。
Zekun Li, Ning Wang, Tongxin Bai 等
提出ImpRIF，通过图结构增强隐性推理，显著提升复杂指令执行能力。
Yuancheng Yang, Lin Yang, Xu Wang 等
代理压缩方法提升语言模型效率，显著优于字节级基线。
Lin Zheng, Xinyu Li, Qian Liu 等
Agent-Omit通过适应性省略上下文提高LLM代理效率，实验表明其性能与前沿方法相当。
Yansong Ning, Jun Fang, Naiqiang Tan 等
提出层级分类法，将数据代理划分为L0至L5，涵盖从无自主到全自主的能力演变。
Yuyu Luo, Guoliang Li, Ju Fan 等
通过有限块长分析，将监督学习视为有损压缩，揭示泛化与样本复杂度。
Kosuke Sugiyama, Masato Uchida
提出基于大规模模拟人设的偏好对齐主动助手框架，利用迁移学习实现个性化适应。
Ziyi Xuan, Yiwen Wu, Zhaoyang Yan 等
BridgeV2W通过embodiment masks将动作空间转换为像素对齐的视图条件，提升视频生成与机器人世界模型的融合。
Yixiang Chen, Peiyan Li, Jiabing Yang 等
QVLA通过通道级量化策略，在LIBERO中将VRAM需求减少至29.2%，性能保持98.9%。
Yuhao Xu, Yantai Yang, Zhenyang Fan 等
AsymEP与Dyadic EP使非保守系统获得精确梯度；MNIST高非对称时达94.9%。
Antonino Emanuele Scurria, Dimitri Vanden Abeele, Bortolo Matteo Mognetti 等
提出基底旋转方法缓解异步管道并行中的梯度滞后，训练大模型效率提升81.7%。
Hyunji Jung, Sungbin Shin, Namhoon Lee
WGRPO配对稀有成功与失败，AIME2025 Pass@8由16.8升至22.2。
Yujuan Pang, Jiaxin Li, Xin Sheng 等
提出SalamaBench，基于MLCommons安全分类体系，评估12类Arabic模型安全性，涵盖8170个提示。
Omar Abdelnasser, Fatemah Alharbi, Khaled Khasawneh 等
基于GRU的双段连续机器人控制，达成位置与姿态同步精度，RMSE最低：1.11mm/4.62°。
Yuancheng Shao, Yao Zhang, Jia Gu 等
提出CompTok，基于Diffusion的视觉标记器，增强组合性，利用信息GAN目标提升可控性。
Bingchen Zhao, Qiushan Guo, Ye Wang 等
Agentic Proposing框架通过组合技能合成提升大语言模型推理能力，30B模型在AIME25上达到91.6%准确率。
Zhengbo Jiao, Shaobo Wang, Zifan Zhang 等
提出LiDAR测试时尺度调整方法，利用边缘样本和前向扰动核实现无神经反向传播的高效奖励引导。
Yeongmin Kim, Donghyeok Shin, Byeonghu Na 等
引入对比概念树搜索（CCTS），利用层次化概念结构提升LLM辅助算法发现效率。
Timothee Leleu, Sudeera Gunathilaka, Federico Ghimenti 等