提出一种基于LLM的社会模拟方法，通过重要性采样和最优传输生成与人口对齐的角色集。
Zhengyu Hu, Jianxun Lian, Zheyuan Xiao 等
OnlineHOI框架在Core4D和OAKINK2数据集上实现了在线人-物交互生成与感知的最先进结果。
Yihong Ji, Yunze Liu, Yiyao Zhuo 等
FHIR-AgentBench评估LLM在HL7 FHIR标准下的EHR问答性能，揭示数据检索和推理挑战。
Gyubok Lee, Elea Bach, Eric Yang 等
提出双通谱编码与潜空间通信的图对齐框架，有效解决节点特征平滑和潜空间错配问题。
Maysam Behmanesh, Erkan Turan, Maks Ovsjanikov
InterAct通过统一优化框架提升3D人-物交互数据质量，数据集扩展至30.70小时。
Sirui Xu, Dongting Li, Yucheng Zhang 等
提出SMapper多模态硬件平台，集成LiDAR、摄像头和IMU，用于SLAM数据采集与基准测试。
Pedro Miguel Bastos Soares, Ali Tourani, Miguel Fernandez-Cortizas 等
Dark-ISP通过直接处理Bayer RAW图像提升低光物体检测性能，实验结果优于现有方法。
Jiasheng Guo, Xin Gao, Yuxiang Yan 等
RewardDance通过奖励规模化实现视觉生成模型的性能提升，参数规模达26亿，显著优于SOTA。
Jie Wu, Yu Gao, Zilyu Ye 等
提出CAI比率，用于无监督环境下评估LLMs的标注质量，模型选择效果显著。
Cheng Chen, Haiyan Yin, Ivor Tsang
提出SWE-Mirror，通过镜像GitHub问题扩展真实、可验证的代码修复数据集，提升模型性能。
Junhao Wang, Daoguang Zan, Shulin Xin 等
EVDI++利用事件相机进行视频去模糊和插值，提升视频质量。
Chi Zhang, Xiang Zhang, Chenxu Jiang 等
EASE框架利用大型语言模型实现算法生成与优化，支持多领域应用。
Adam Viktorin, Tomas Kadavy, Jozef Kovac 等
VIRAL方法通过对齐视觉表示提升多模态大模型在视觉任务上的表现，平均提升9.4%。
Heeji Yoon, Jaewoo Jung, Junwan Kim 等
提出Graph-Fused VLA（GF-VLA）框架，结合信息理论构建场景图，实现多臂机器人任务推理与执行，达95%图准确率。
Shunlei Li, Longsen Gao, Jiuwen Cao 等
RaC方法通过扩展恢复和校正行为，提高机器人长时任务的效率和鲁棒性，减少10倍数据采集时间。
Zheyuan Hu, Robyn Wu, Naveen Enock 等
DiverValue-Bench用于评估大语言模型与多元人类价值的对齐，揭示地理和人口差异。
Yao Liang, Dongcheng Zhao, Feifei Zhao 等
UFC方法通过少量样本实现扩散模型的空间控制，性能接近全监督基线。
Kiet T. Nguyen, Chanhyuk Lee, Donggyun Kim 等
Astra采用多智能体LLM协作优化CUDA内核，平均提速1.32倍。
Anjiang Wei, Tianran Sun, Yogesh Seenichamy 等
提出基于Wasserstein距离的FL数据估值与选择框架，实现性能预测与隐私保护。
Wenqian Li, Youjia Yang, Ruoxi Jia 等
PersonaFuse框架通过个性激活提升人机交互，显著提高情感智能。
Yixuan Tang, Yi Yang, Ahmed Abbasi