EmbeddingGemma为轻量级文本嵌入模型，参数300M，超越同类模型性能，适合低延迟场景。

Henrique Schechter Vera, Sahil Dua, Biao Zhang 等

提出LLM-Filter，利用预训练大模型进行状态估计，显著优于传统方法。

Shiqi Liu, Wenhan Cao, Chang Liu 等

联邦学习中贡献分数计算易受架构和攻击影响，需更稳健方法。

Balazs Pejo, Marcell Frank, Krisztian Varga 等

GUIDE框架结合全局图推理与扩散决策，探索效率提升18.3%，冗余动作减少34.9%。

Zijun Che, Yinghong Zhang, Shengyi Liang 等

提出在线优化的RAG框架，通过实时反馈调整工具嵌入，显著提升工具选择准确率。

Yu Pan, Xiaocheng Li, Hanzhao Wang

EgoBridge通过域适应提升机器人模仿学习成功率44%。

Ryan Punamiya, Dhruv Patel, Patcharapong Aphiwetsa 等

提出Terra：结合地形感知的层级3D场景图，用于大规模户外自主映射。

Chad R. Samuelson, Abigail Austin, Seth Knoop 等

BiGraspFormer是一种端到端变换器框架，直接从点云生成协调双臂抓取，显著提升成功率和速度。

Kangmin Kim, Seunghyeok Back, Geonhyup Lee 等

提出LoRD和B-LoRD模型，基于核k-means的低秩双随机图聚类方法，提升性能。

Wenlong Lyu, Yuheng Jia, Hui Liu 等

提出一种基于不平衡最优传输的模拟与真实联合训练框架，在真实场景中提升30%成功率。

Shuo Cheng, Liqian Ma, Zhenyang Chen 等

APRIL通过超额请求和回收部分响应，提升RL训练中的推理效率，平均提升22.5%。

Yuzhen Zhou, Jiajun Li, Yusheng Su 等

GD2P通过几何感知生成灵巧手的非抓取推拉动作，提升操控效率。

Yunshuang Li, Yiyang Ling, Gaurav S. Sukhatme 等

LAD-VF利用形式验证反馈进行提示优化，无需微调，显著提升机器人规划合规性。

Yunhao Yang, Junyuan Hong, Gabriel Jacob Perin 等

UniPixel结合像素级感知与视觉理解，支持多任务像素推理，达成10项基准优异表现。

Ye Liu, Zongyang Ma, Junfu Pu 等

TempSamp-R1通过强化学习微调提升视频时序定位，显著提高精度。

Yunheng Li, Jing Cheng, Shaoyong Jia 等

现代视频LLM需要听吗？通过LLaVA-OneVision，音频编码器提升了跨模态推理能力。

Geewook Kim, Minjoon Seo

提出MLLM-CD框架，结合对比因子发现和迭代反事实推理，实现多模态因果关系揭示。

Jin Li, Shoujin Wang, Qi Zhang 等

Qwen3-Omni采用Thinker-Talker MoE架构，实现多模态（文本、图像、音频、视频）零性能损失的SOTA表现。

Jin Xu, Zhifang Guo, Hangrui Hu 等

SD-VLM通过MSMU数据集和深度位置编码提升VLM的空间理解能力，超越GPT-4o和Intern-VL3-78B。

Pingyi Chen, Yujing Lou, Shen Cao 等

DIWALI构建了涵盖印度17个文化面向的8,817个文化概念数据集，用于评估大语言模型的文化适应能力，采用自动与人工评估相结合的方法。

Pramit Sahoo, Maharaj Brahma, Maunendra Sankar Desarkar