DeltaEvolve通过语义变化捕获程序改进，采用多层数据库和渐进披露机制，显著提升科学发现效率。

Jiachen Jiang, Tianyu Ding, Zhihui Zhu

InfMem通过PreThink-Retrieve-Write协议提升长文本推理准确性，平均提高10.17分。

Xinyu Wang, Mingze Li, Peng Lu 等

提出RLAnything，通过闭环优化动态塑造环境、策略与奖励模型，提升LLM任务性能，OSWorld提升9.1%。

Yinjie Wang, Tianbao Xie, Ke Shen 等

通过强化学习训练LLMs的分而治之(DAC)推理，提升其测试时可扩展性，超越传统链式思考。

Xiao Liang, Zhong-Zhi Li, Zhenghao Lin 等

TIC-VLA通过延迟语义控制接口，有效应对机器人动态环境中的推理延迟，提升导航鲁棒性。

Zhiyu Huang, Yun Zhang, Johnson Liu 等

提出CHASE框架，将预训练蛋白质语言模型的嵌入压缩到潜在空间，实现高效的蛋白质适应性优化。

Amaru Caceres Arroyo, Lea Bogensperger, Ahmed Allam 等

UnifiedReward-Flex通过上下文自适应推理提升视觉生成的个性化奖励模型。

Yibin Wang, Yuhang Zang, Feng Han 等

提出SWE-Universe框架，利用自训练模型实现百万级真实软件工程环境自动构建。

Mouxiang Chen, Lei Zhang, Yunlong Feng 等

提出PPTP，通过区域分离实现神经网络的隐私保护与泛化能力的解耦。

Xingli Fang, Jung-Eun Kim

提出基于RAG的DziriBOT，结合DziriBERT实现阿尔及利亚方言理解，准确率达88%。

El Batoul Bechiri, Dihia Lanasri

HopFormer通过头部特定n跳掩码稀疏注意实现结构注入，无需位置编码，提升效率。

Sanggeon Yun, Raheeb Hassan, Ryozo Masukawa 等

提出Causal Forcing，通过AR教师引导ODE初始化，解决视频扩散模型的架构差距，提升生成质量。

Hongzhou Zhu, Min Zhao, Guande He 等

提出双极化采样下概率测度PCA的收敛速率，揭示稀疏到密集转变。

Gachon Erell, Jérémie Bigot, Elsa Cazelles

提出ECHO算法，结合熵与置信度调控树状探索，有效缓解测试时强化学习中的崩溃与偏差问题。

Chu Zhao, Enneng Yang, Yuting Liu 等

本文揭示大模型拒绝行为由多条几何不同方向控制，线性操控实现行为调节。

Faaiz Joad, Majd Hawasly, Sabri Boughorbel 等

提出daVinci-Agency，利用GitHub PR序列实现长远目标的高效数据合成，微调模型在工具调用上提升47%。

Mohan Jiang, Dayuan Fu, Junhao Shi 等

提出基于多步推理的知识编辑策略，结合背景故事提升模型知识内化与应用能力。

Ya Gao, Kalle Kujanpää, Pekka Marttinen 等

分析视觉语言模型的几何表示失效，提出概念向量验证方法。

Daniele Savietto, Declan Campbell, André Panisson 等

提出xMemory，通过解耦和层级聚合优化代理记忆检索，提升答案质量与效率。

Zhanghao Hu, Qinglin Zhu, Runcong Zhao 等

ROMA以递归分解+GEPA+，在SEAL-0上较Kimi-Researcher提升9.9%。

Salaheddin Alzu'bi, Baran Nama, Arda Kaz 等