使用中心核对齐和方差度量分析SSM和TBM的表示传播，揭示其层间信息流动差异。
Nhat M. Hoang, Do Xuan Long, Cong-Duy Nguyen 等
提出了一种控制增强的自回归扩散模型，用于数据同化，显著提高了稳定性和准确性。
Prakhar Srivastava, Farrin Marouf Sofian, Francesco Immorlano 等
提出UserLMs，模拟多轮对话中人类用户行为，GPT-4o性能从74.6%降至57.4%。
Tarek Naous, Philippe Laban, Wei Xu 等
提出LMCACHE，结合批量数据迁移和模块化接口，实现企业级大模型KV缓存高效管理。
Yuhan Liu, Yihua Cheng, Jiayi Yao 等
SIGMA-GEN实现单次多主体身份保留图像生成，性能超越SOTA，基于SIGMA-SET27K数据集。
Oindrila Saha, Vojtech Krs, Radomir Mech 等
本文提出AI驱动的系统研究（ADRS），通过OpenEvolve实现多领域算法优化，最高达5.0倍性能提升和50%成本降低。
Audrey Cheng, Shu Liu, Melissa Pan 等
提出SimulatorArena，基于用户画像的模拟器实现多轮评估，达ρ=0.7，替代人工评估。
Yao Dou, Michel Galley, Baolin Peng 等
基于大语言模型的多层场景图实现主动语义感知，提升室内环境理解速度与准确性。
Huayi Tang, Pratik Chaudhari
BlockRank方法通过结构化注意力提高ICR效率，实验表明其性能优于现有方法。
Nilesh Gupta, Chong You, Srinadh Bhojanapalli 等
即使完美检索，长上下文仍损害LLM性能，提出缩短上下文的策略提升性能。
Yufeng Du, Minyang Tian, Srikanth Ronanki 等
提出LUR和RLUR方法，提升驾驶员行为识别中的不确定性检测效率。
Koen Vellenga, H. Joe Steinhauer, Jonas Andersson 等
提出DeSA框架，通过两阶段训练分离搜索优化与答案生成，显著提升搜索召回率和问答准确率。
Yiding Wang, Zhepei Wei, Xinyu Zhu 等
提出 Wasserstein 空间中的 Busemann 函数，获得闭式表达并应用于数据切片与距离计算。
Clément Bonet, Elsa Cazelles, Lucas Drumetz 等
分析低秩回归任务中Transformer的内在机制，揭示预测分布和隐式正则化。
Kaito Takanami, Takashi Takahashi, Yoshiyuki Kabashima
TAG通过放大轨迹中的切向分量，有效减少幻觉，提高扩散模型生成的语义一致性。
Hyunmin Cho, Donghoon Ahn, Susung Hong 等
A.I.R.提出无训练的自适应迭代推理帧选择，显著提升VideoQA效率与准确性。
Yuanhao Zou, Shengji Jin, Andong Deng 等
JEF-Hinter通过离线轨迹提取紧凑、上下文感知的提示，显著提升网页代理的适应能力。
Hadi Nekoei, Aman Jaiswal, Patrice Bechard 等
基于鞅理论的审计框架，能有效检测大模型的逐步代币报告偏差，样本少于70次。
Ander Artola Velasco, Stratis Tsirtsis, Manuel Gomez-Rodriguez
ChronoEdit利用预训练视频生成模型，将图像编辑转化为时间序列推理，显著提升物理一致性。
Jay Zhangjie Wu, Xuanchi Ren, Tianchang Shen 等
PolyKAN框架通过多面体分析实现KAN压缩，提供模型缩减和误差控制的理论保证。
Di Zhang