GeoWAM通过预测场景几何演变，显著提升自主驾驶中的路径规划性能。
Yiren Lu, Xin Ye, Jiaming Liu 等
提出Primal–Dual交替神经学习框架，用于临床实时分类，确保敏感性、特异性与监测成本的性能保证。
Jiaming Qiu, Yingye Zheng, Ying-Qi Zhao
提出意图蒸馏（INDI）方法，将行为级意图融入视觉-语言-动作模型，显著提升机器人任务成功率。
Sangoh Lee, Sangwoo Mo, Wook-Shin Han
ProxyFormer通过代理架构实现超长上下文和高分辨率生成，提升了序列长度和检索准确率。
Zhongpan Tang
基于DreamerV3的无奖励连续学习框架，利用潜在状态模型实现空间机器人在硬件退化下的自主适应。
Andrej Orsula, Miguel Olivares-Mendez, Carol Martinez
MomADv2引入选择性状态空间记忆与流匹配轨迹修正，提升长时域自主驾驶的稳定性和安全性。
Ziying Song, Shengkai Zhang, Lin Liu 等
提出基于Claim提取与对齐的跨语种传记丰富框架，利用非英语维基百科提供的证据显著提升英语传记内容。
Yifei Song, Ziyang Chen, Emil Sayilov 等
JoyAI-Echo-1.5通过音视频记忆生成长视频和互动世界，提升一致性和视觉质量。
Nan Duan, Haoyang Huang, Weiyang Jin 等
FormuEvo利用LLM引导的进化算法优化混合整数规划（MIP）公式，提升求解效率至5.5倍。
Haofeng Yuan, Jianing Peng, Jieyi Bi 等
本研究将Hugging Face的SmolVLA模型适配到工业级轻量机器人（UR10e），实现边缘端自主推理。
Nils Mandischer, Noah Böckmann, Ludwig Holl 等
引入LLM-SPICEMixer，通过IGEL提升晶体管级模拟电路拓扑优化，训练奖励提升8.4%。
Stefan Uhlich, Yağız Gençer, Andrea Bonetti 等
基于多层组织结构的仿生关节皮肤实现，单独误差约3度，结合肌肉感知提升精度。
Akihiro Miki, Shun Hasegawa, Yoshimoto Ribayashi 等
提出因果测量与闭环调度，提升生成式搜索中的证据利用与上下文分配，模型规模达32B参数。
Peiyang Liu, Xi Wang, Di Liang 等
引入Credal大语言模型（CLLM），通过LoRA集成产生可信区间，提升不确定性表达和问答性能。
Shireen Kudukkil Manchingal, Sofiia Nikolenko, Fabio Cuzzolin
基于离散时间滞后神经网络的多固定点吸引盆分析，提出熵指标调控吸引盆分布。
Yuta Arai, Seigo Nakamura, Ryoga Nakamura 等
EchoWM模型生成720p视频、环境音、音乐和语音，支持连续导航。
Songchun Zhang, Yaowei Li, Junhao Zhuang 等
通过能力评估，分析生成式世界模型向真实模拟器的差距，重点在物理规律和状态反馈。
Tong Wang, Huan Deng, Mucheng Yang 等
AquaFlow通过单目高斯点云SLAM实现高效的水下流媒体重建，定位误差降低13.2%，PSNR提高4.74 dB。
Yingxiang Xu, Kerui Ren, Wenqi Guo 等
提出GSAR奖励框架，通过自我演化数据合成和目标状态锚定提升GUI代理训练效率。
Long Zhang, Yuhan Chen, Chaoran Zhang 等
DRY方法在采样时调整logit，减少47%循环，提升词汇多样性。
Philipp Emanuel Weidmann, Allen Roush, Judah Goldfeder 等