研究表明，LLM在软件演化下的测试生成表现不佳，尤其在语义改变时，测试通过率降至66%。

Sabaat Haroon, Mohammad Taha Khan, Muhammad Ali Gulzar

提出D2TC方法，成功规避IoT网络中的入侵检测系统，提升攻击成功率。

Islam Debicha, Tayeb Kenaza, Ishak Charfi 等

SortedRL通过在线长度感知调度加速大语言模型的强化学习训练，提升效率并提高性能。

Yiqi Zhang, Huiqiang Jiang, Xufang Luo 等

提出Graph Energy Matching (GEM)，在分子图生成中超越离散扩散模型。

Michal Balcerak, Suprosana Shit, Chinmay Prabhakar 等

VideoDetective通过结合外部查询和内部相关性，实现长视频理解，提升了VideoMME-long准确率7.5%。

Ruoliu Yang, Chu Wu, Caifeng Shan 等

UNITE通过统一的自编码器实现令牌化和潜在扩散，ImageNet上FID达到2.12。

Shivam Duggal, Xingjian Bai, Zongze Wu 等

DualCoT-VLA通过并行推理实现视觉-语言-动作模型的视觉语言思维链，提升复杂任务的执行效率。

Zhide Zhong, Junfeng Li, Junjie He 等

3D-Layout-R1通过场景图推理实现语言指导的空间布局编辑，IoU提升15%，中心距离误差减少25%。

Haoyu Zhen, Xiaolong Li, Yilin Zhao 等

Scaling DoRA通过分解范数和融合内核实现高阶适配，显著降低内存使用，提升速度。

Alexandra Zelenin, Alexandra Zhuravlyova

TiCo方法通过语音时间标记显著提高对话模型的时间控制能力，MAE降至4.54秒。

Kai-Wei Chang, Wei-Chih Chen, En-Pei Hu 等

DexDrummer结合轨迹规划和残差强化学习，实现1.0的F1分数。

Hung-Chieh Fang, Amber Xie, Jennifer Grannen 等

MemDLM通过双层优化嵌入模拟去噪过程，提升DLM训练效率和长文本理解能力。

Zehua Pei, Hui-Ling Zhen, Weizhe Lin 等

SPA方法通过精心设计的提示生成大规模合成数据，实现知识注入，表现优异。

Kexian Tang, Jiani Wang, Shaowen Wang 等

NMR框架通过动态映射解决人形机器人运动重定向问题，显著减少关节跳跃和自碰撞。

Qingrui Zhao, Kaiyue Yang, Xiyu Wang 等

LumosX通过关系自注意力和跨注意力实现个性化视频生成，提升面部属性对齐。

Jiazheng Xing, Fei Du, Hangjie Yuan 等

VideoSeek通过视频逻辑流主动寻找关键证据，减少93%帧使用，提升LVBench准确率10.2个百分点。

Jingyang Lin, Jialian Wu, Jiang Liu 等

通过多模态对比学习，SALM框架提升了网络安全任务的泛化能力，尤其在处理文本和负载数据时。

Jianan Huang, Rodolfo V. Valentim, Luca Vassio 等

语义标记聚类（STC）方法实现大语言模型中高效的不确定性量化，显著降低计算开销。

Qi Cao, Andrew Gambardella, Takeshi Kojima 等

研究SFT-DPO在小型语言模型中的交互，发现全参数微调优于LoRA。

Yuming Feng, Christy Yang

VEGA-3D利用视频生成模型的隐式3D先验，提升场景理解能力。

Xianjin Wu, Dingkang Liang, Tianrui Feng 等