提出FPTE框架，通过多目标规划和后规划成功评估提高抓取成功率。
Martin Matak, Mohanraj Devendran Shanthi, Karl Van Wyk 等
统计方法提升生成模型的可靠性与评估，涵盖行为控制、不确定性和实验设计。
Edgar Dobriban
Paper2Agent将研究论文转化为AI代理，提升科研成果的互动性和可靠性。
Jiacheng Miao, Joe R. Davis, Yaohui Zhang 等
RAFFLES通过迭代推理检测LLM系统故障，在Who&When数据集上准确率提升50%。
Chenyang Zhu, Spencer Hong, Jingyu Wu 等
Grasp-MPC用价值函数引导MPPI闭环抓取，仿真成功率最高74.9%，真实场景总体74.4%。
Jun Yamada, Adithyavairavan Murali, Ajay Mandlekar 等
调查工业推荐系统的挑战与方法，强调数据规模与实时性。
Kuan Zou, Aixin Sun
大语言模型通过自然语言驱动优化框架，提升6G无线网络管理。
Bisheng Wei, Ruihong Jiang, Ruichen Zhang 等
双距离AFT模型解析Titan GPU失效时空相关
Jared M. Clark, Jie Min, Yueyao Wang 等
FlowSeek结合深度基础模型与运动基，实现低资源高精度光流估计。
Matteo Poggi, Fabio Tosi
COGITAO框架通过28种变换研究视觉领域的组合性和泛化能力，生成数百万独特任务。
Yassine Taoudi-Benchekroun, Klim Troyan, Pascal Sager 等
本研究分析多智能体辩论中的失败模式，发现模型倾向于盲从和协同错误，导致性能下降。
Andrea Wynn, Harsh Satija, Gillian Hadfield
提出基于Transformer的多模态注意力模型MM-ITF，用单目RGB数据实现点指目标估计，准确率达90%。
Luca Müller, Hassan Ali, Philipp Allgeuer 等
提出转导式符合预测的基本效率-置信度界限，利用条件熵和散布度分析预测集指数增长。
Arash Behboodi, Alvaro H. C. Correia, Fabio Valerio Massoli 等
本研究揭示数据不确定性在表格深度学习中的关键作用，提出基于不确定性优化特征嵌入。
Nikolay Kartashev, Ivan Rubachev, Artem Babenko
提出MDT-dist，用少步蒸馏实现3D流模型，从25步降至1-2步。
Zanwei Zhou, Taoran Yi, Jiemin Fang 等
结合Transformer与深度强化学习优化地震后电网抢修调度，显著提升恢复速度和决策效率。
Farshad Amani, Faezeh Ardali, Amin Kargarian
将经典匹配问题与Gromov-Wasserstein（GW）结合，提出高效多初始化策略解决大规模QAP。
Iman Seyedi, Antonio Candelieri, Enza Messina 等
OneCAT为纯解码器自回归模型，实现多模态理解、生成与编辑，省略外部视觉编码器。
Han Li, Xinyu Peng, Yaoming Wang 等
AEnt方法通过自适应熵控制提升LLM-RL算法性能，在数学推理任务中表现优异。
Han Shen
OneSearch：首个工业级电商搜索生成框架，提升CTR 1.67%，降低运营成本75.40%。
Ben Chen, Xian Guo, Siyuan Wang 等