PosterForest利用层级多智能体合作，无需训练即可生成科学海报，显著优于现有方法。

Jiho Choi, Seojeong Park, Seongjong Song 等

SVS-SNG以平方体积采样分析单批次自然梯度，并揭示其速率可按α/γ刻画。

Gil Goldshlager, Jiang Hu, Lin Lin

提出OneRec-V2，采用懒惰解码器架构，减少94%计算，提升模型规模至8B参数。

Guorui Zhou, Hengrui Hu, Hongtao Cheng 等

OLMoASR通过OLMoASR-Mix数据集实现与Whisper相当的语音识别性能。

Huong Ngo, Matt Deitke, Martijn Bartelds 等

UTRL通过对抗性强化学习提升Qwen3-4B生成单元测试的质量，超越GPT-4.1。

Dongjun Lee, Changho Hwang, Kimin Lee

ConspirED数据集揭示阴谋论的认知特征，评估LLM安全性。

Luke Bates, Max Glockner, Preslav Nakov 等

本研究揭示近似缓存在文本到图像扩散模型中的安全漏洞，包括远程隐蔽信道、提示窃取和中毒攻击。

Desen Sun, Shuncheng Jie, Sihang Liu

提出MPFormer，基于目标条件Transformer实现多目标个性化序列检索，显著提升工业推荐系统性能。

Yijia Sun, Shanshan Huang, Linxiao Che 等

提出EAS指标，基于序列熵面积衡量LLM推理中的不确定性，无需外部模型，提升数据筛选效率。

Yongfu Zhu, Lin Sun, Guangxiang Zhao 等

DeepScholar-bench为生成性研究综述设计的实时基准，评估知识合成、检索质量与可验证性。

Liana Patel, Negar Arabzadeh, Harshit Gupta 等

提出T2R-bench，评估工业表格转报告的深度推理能力，模型表现仅达62.71%。

Jie Zhang, Changzai Pan, Kaiwen Wei 等

Instructional Agents通过多代理设计减少教师工作量，显著提高教学材料质量。

Huaiyuan Yao, Wanpeng Xu, Justin Turnau 等

VoxHammer是一种无需训练的3D空间精确、连贯编辑方法，基于逆向轨迹和特征替换。

Lin Li, Zehuan Huang, Haoran Feng 等

StepWiser通过生成性评判提高推理准确性，实验显示中间步骤准确率提升。

Wei Xiong, Wenting Zhao, Weizhe Yuan 等

提出基于LSTM的学习内点法路径投影，加速最优潮流求解，迭代次数降低85.5%，时间节省94%。

Farshad Amani, Amin Kargarian, Ramachandran Vaidyanathan

提出一种结合概率人群建模和主动学习的新框架，提升偏好强化学习效率。

Jonathan Erskine, Taku Yamagata, Raúl Santos-Rodríguez

ZeST利用LLM实现未知环境的零样本可通行性导航，提升安全性和效率。

Shreya Gummadi, Mateus V. Gasparino, Gianluca Capezzuto 等

本研究评估LVLMs的知识边界感知，采用概率、答案一致性和口头信号，发现改进空间大。

Zhikai Ding, Shiyu Ni, Keping Bi

提出基于经验驱动的终身学习框架ELL，结合知识抽象与技能迁移，构建自我进化的智能体，评测数据集StuLife实现长时记忆与自主性。

Yuxuan Cai, Yipeng Hao, Jie Zhou 等

Drawing2CAD采用序列到序列模型，从SVG矢量图生成参数化CAD模型。

Feiwei Qin, Shichao Lu, Junhao Hou 等