Mini Amusement Parks (MAPs) 是一个用于模拟商业决策的测试平台，专家表现优于AI 11.4倍。
Stéphane Aroca-Ouellette, Ian Berlot-Attwell, Panagiotis Lymperopoulos 等
VisPlay通过自演化强化学习框架提升视觉语言模型的推理能力，使用未标注图像数据实现性能提升。
Yicheng He, Chengsong Huang, Zongxia Li 等
提出DRP框架，通过推理扩展提升大语言模型个性化能力，实验显示BLEU提升23%。
Suyu Chen, Yimeng Bai, Yulong Huang 等
本研究发现，诗歌风格可作为单轮越狱工具，25个模型中攻击成功率达62%，跨领域传递显著。
Piercosma Bisconti, Matteo Prandi, Federico Pierucci 等
EntroPIC通过比例-积分控制稳定LLMs训练中的熵，提升探索效率。
Kai Yang, Xin Xu, Yangkun Chen 等
SciEGQA以语义区域框选和Grounding–Crop–then–Answer评测科学文档推理，含1,623条人工QA与30K+训练QA。
Wenhan Yu, Zhaoxi Zhang, Wang Chen 等
提出异质智能体PPO（HAPPO）用于配电网恢复，达成95%以上负荷恢复。
Parya Dolatyabi, Ali Farajzadeh Bavil, Mahdi Khodayar
提出Agent-R1框架，基于逐步轨迹表示与灵活上下文管理，支持多种优化策略，提升多轮智能体学习能力。
Mingyue Cheng, Shuo Yu, Daoyu Wang 等
提出ARC-Chapter模型，基于百万级长视频章节，利用多模态层级标注实现长视频结构化，性能提升显著。
Junfu Pu, Teng Wang, Yixiao Ge 等
提出软标签训练方法，在ChaosNLI等数据集上降低32% KL散度，提升模型不确定性表达。
Agamdeep Singh, Ashish Tiwari, Hosein Hasanbeig 等
PhysX-Anything基于单幅图像，采用VLM和新型3D表示，生成具物理属性的高质量模拟资产。
Ziang Cao, Fangzhou Hong, Zhaoxi Chen 等
提出M-GRPO，基于层级多智能体架构，优化异构轨迹，提升多任务推理性能。
Haoyang Hong, Jiajun Yin, Yuan Wang 等
提出SpatialSky-Bench评估VLM在无人机空间推理中的性能，Sky-VLM在13项任务中达SOTA。
Lingfeng Zhang, Yuchen Zhang, Hongsheng Li 等
GeoX-Bench评估大规模多模模型在跨视角地理定位和姿态估计中的性能，显示模型在定位上表现优异，但姿态估计仍具挑战。
Yushuo Zheng, Jiangyong Ying, Huiyu Duan 等
提出DGS-Net，通过梯度空间分解和蒸馏引导，提升CLIP微调在AI生成图像检测中的性能，平均提升6.6%。
Jiazhen Yan, Ziqiang Li, Fan Wang 等
Spark-Prover-X1通过多样数据训练提升形式定理证明能力，解决PutnamBench 27题。
Xinyuan Zhou, Yi Lei, Xiaoyu Zhou 等
Uni-Inter通过统一交互体积(UIV)实现多种交互场景下的人体运动合成。
Sheng Liu, Yuanzhi Liang, Jiepeng Wang 等
将GenSelect和LLM-as-a-Judge扩展到数百万个token，提升数学证明验证。
Sadegh Mahdavi, Branislav Kisacanin, Shubham Toshniwal 等
GEM通过生成熵引导偏好建模，实现低资源域内LLM少样本对齐，显著提升偏好预测与任务表现。
Yiyang Zhao, Huiyu Bai, Xuejiao Zhao
本研究通过分析2,303个代理上下文文件，揭示其结构、维护习惯及内容偏向，强调安全和性能指导不足。
Worawalan Chatlatanagulchai, Hao Li, Yutaro Kashiwa 等