提出PhraseStereo数据集，将短语语义分割扩展到立体图像，利用深度信息提升精度。
Thomas Campagnolo, Ezio Malis, Philippe Martinet 等
EvolProver通过对称性和难度进化问题，提升自动定理证明，达到53.8% pass@32。
Yuchen Tian, Ruiyuan Huang, Xuanwu Wang 等
提出LAKAN，结合面部关键点动态调节Kolmogorov-Arnold网络，提升深伪检测性能。
Jiayao Jiang, Bin Liu, Qi Chu 等
Agent-ScanKit通过敏感性扰动揭示多模态代理的记忆与推理能力，发现记忆往往超过推理。
Pengzhou Cheng, Lingzhong Dong, Zeng Wu 等
本文评估四种奖励模型（dORM、dPRM、gORM、gPRM）在14个多域任务中的表现，发现生成式奖励模型（gORM）最稳健。
Dong Bok Lee, Seanie Lee, Sangwoo Park 等
本文首次分析单层Mamba模型的训练动态与在含异常值的上下文中实现可证明的泛化能力。
Hongkang Li, Songtao Lu, Xiaodong Cui 等
ToV方法通过反转训练和验证角色快速选择数据，显著降低测试损失。
Ayush Jain, Andrea Montanari, Eren Sasoglu
CWM：基于世界模型的开源大模型，提升代码理解与生成能力。
FAIR CodeGen team, Jade Copet, Quentin Carbonneaux 等
提出Ovi模型，采用双背骨交叉模态融合，实现音视频同步，训练数据涵盖数十万小时原始音频。
Chetwin Low, Weimin Wang, Calder Katyal
BC-MPPI通过贝叶斯约束层提升安全性，确保路径规划在复杂环境中不违反限制。
Odichimnma Ezeji, Michael Ziegltrum, Giulio Turrisi 等
提出AgentFlux，通过解耦微调提升本地模型工具调用准确率，达46%的提升。
Rohan Kadekodi, Zhan Jin, Keisuke Kamahori 等
TGPO方法在信号时序逻辑任务中提升了31.6%的任务成功率。
Yue Meng, Fei Chen, Chuchu Fan
CRM以条件概率连接步骤与结果；RL无验证器时AIME24达43.3%，显著优于PURE。
Zheng Zhang, Ziwei Shan, Kaitao Song 等
fev-bench提出包含46个协变量任务的时间序列预测基准，采用bootstrap置信区间进行统计分析。
Oleksandr Shchur, Abdul Fatir Ansari, Caner Turkmen 等
提出RE-Searcher，结合目标导向规划与自我反思，显著提升搜索鲁棒性与准确率。
Daocheng Fu, Jianbiao Mei, Licheng Wen 等
Mem-α通过强化学习优化记忆构建，提升长序列处理能力。
Yu Wang, Ryuichi Takanobu, Zhiqi Liang 等
提出SafeMind架构，结合三层安全模块，显著提升 embodied LLM 代理的安全性，安全率提升30%以上。
Ruolin Chen, Yinqian Sun, Jihang Wang 等
提出RA3算法，通过中期训练学习动作抽象，提升代码生成性能，平均提升8点。
Shenao Zhang, Donghan Yu, Yihao Feng 等
提出SAC Flow，通过Velocity重参数化稳定流式策略，提升样本效率，达最优性能。
Yixian Zhang, Shu'ang Yu, Tonghe Zhang 等
本研究结合测试时训练（TTT）与内嵌学习（ICL），在非线性单指标模型中实现模型自适应，显著降低预测风险。
Kento Kuwataka, Taiji Suzuki