利用LLMs的配对比较和微调方法，提升社会科学中标量构念测量的准确性。
Hauke Licht, Rupak Sarkar, Patrick Y. Wu 等
提出无训练在线路由算法PORT，提升性能3.55倍，成本效率1.85倍。
Fangzhou Wu, Sandeep Silwal
DARLING框架通过结合语义分布式分类器，优化语言模型生成的多样性与质量，显著提升在创造性和验证性任务中的表现。
Tianjian Li, Yiming Zhang, Ping Yu 等
SimpleTIR算法通过过滤无效回合，将AIME24分数从22.1提升到50.5。
Zhenghai Xue, Longtao Zheng, Qian Liu 等
提出U-Arm，低成本（$50.5/$56.8）支持多商用机器人，优化机械与控制实现高效数据采集。
Yanwen Zou, Zhaoye Zhou, Chenyang Shi 等
提出RDIT框架，结合点估计与残差扩散，优化CRPS指标，显著提升多数据集时间序列预测性能。
Chih-Yu Lai, Yu-Chien Ning, Duane S. Boning
MME-SID用多模态量化嵌入缓解塌缩与遗忘，Amazon Beauty初测将遗忘率从94.5%降至约62.9%。
Yuhao Wang, Junwei Pan, Xinhang Li 等
提出二阶张量偏微分方程（SoTPDEG）框架，有效处理多交互图数据，增强高频信息传播。
Aref Einizade, Fragkiskos D. Malliaros, Jhony H. Giraldo
基于注意力编码器-解码器的深度强化学习模型（AEDM）实现无人机路线优化，解决灾后道路评估中的快速决策问题。
Huatian Gong, Jiuh-Biing Sheu, Zheng Wang 等
Kwai Keye-VL 1.5采用慢快视频编码策略，扩展上下文长度至128K，结合多阶段预训练和后训练优化，显著提升视频理解能力。
Biao Yang, Bin Wen, Boyang Ding 等
提出非线性强化学习几何框架，整合奖励、安全、探索目标，基于占据测度空间的优化。
Nikola Milosevic, Nico Scherf
FantasyHSI通过图形多智能体框架实现任何场景中的4D人类合成，显著提高任务完成度。
Lingzhou Mu, Qiang Wang, Fan Jiang 等
POINTS-Reader采用无蒸馏的两阶段自动化方法，利用合成数据和自我优化，显著提升文档转换性能。
Yuan Liu, Zhongyin Zhao, Le Tian 等
提出结合BiLSTM、多头注意力和VMD的多模态深度模型，用于早期肝癌诊断，显著提升准确率。
Cheng Cheng, Zeping Chen, Xavier Wang
结合MRI和临床生物标志物的多模态机器学习框架，用于预测脑肿瘤早期复发。
Cheng Cheng, Zeping Chen, Rui Xie 等
提出GPSToken，利用高斯参数实现图像区域的空间自适应非均匀标记，提升重建与生成性能。
Zhengqiang Zhang, Rongyuan Wu, Lingchen Sun 等
OmniDPO通过偏好优化框架减少全模态幻觉，提升多模态推理能力。
Junzhe Chen, Tianshu Zhang, Shiyu Huang 等
利用核方法进行非线性增强降维，提升精度，降低训练成本。
Alejandro N. Diaz, Jacob T. Needels, Irina K. Tezaur 等
提出算法适应偏差，基于真实A/B实验验证偏差机制，强调模型、用户数据和训练管道的动态反馈。
Chen Zheng, Zhenyu Zhao
Safe-LLaVA通过移除LLaVA数据集中的生物信息，减少隐私泄露。
Younggun Kim, Sirnam Swetha, Fazil Kagdi 等