提出双路径引导网络（DPGNet）利用未标注深伪脸数据，显著提升检测性能。
Zhiqiang Yang, Renshuai Tao, Chunjie Zhang 等
IROTE通过自我反思优化，稳定引导大模型具有人类特质，超越表面模仿。
Yuzhuo Bai, Shitong Duan, Muhua Huang 等
提出Hi-Vec，通过多层次结构和动态选择提升测试时适应能力，显著改善鲁棒性和处理复杂分布偏移。
Sameer Ambekar, Marta Hasny, Laura Daza 等
研究表明，Unigram在复杂形态语言中优于BPE，尤其在泰卢固语中。
Saketh Reddy Vemula, Sandipan Dandapat, Dipti Misra Sharma 等
本文系统评估RL技术在LLM推理中的应用，发现两技术结合超越现有策略。
Zihe Liu, Jiashun Liu, Yancheng He 等
提出ReconDreamer-RL，结合扩散模型进行场景重建，显著降低自主驾驶的碰撞率。
Chaojun Ni, Guosheng Zhao, Xiaofeng Wang 等
SwarmVLM结合VLM与阻抗控制，实现异构机器人在动态仓库中的自主导航，成功率达92%。
Malaika Zafar, Roohan Ahmed Khan, Faryal Batool 等
LaRender以体渲染融合潜变量，在RealOcc上将遮挡成功率提升至0.767。
Xiaohang Zhan, Dingming Liu
提出SOFA深度学习框架，通过模拟和优化心房纤颤消融术，预测复发风险并实现参数优化，降低22.18%的预测风险。
Yunsung Chung, Chanho Lim, Ghassan Bidaoui 等
提出D3P：一种基于强化学习的动态去噪扩散策略，通过自适应分配去噪步骤，提高机器人任务中的推理速度2.2倍，成功率不降反升。
Shu-Ang Yu, Feng Gao, Yi Wu 等
Restage4D利用单视频和运动先验，实现 deformable 3D 场景的物理一致性重建。
Jixuan He, Chieh Hubert Lin, Lu Qi 等
GLM-4.5采用MoE架构，355B参数，融合思维与响应模式，显著提升ARC任务性能。
GLM-4. 5 Team, :, Aohan Zeng 等
Memp通过提炼过去的轨迹提升代理的程序记忆，实验显示成功率提高50%。
Runnan Fang, Yuan Liang, Xiaobin Wang 等
S-Path利用3D场景图的层级结构，通过语义路径分解实现平均6倍的路径规划时间缩减，保持路径质量。
Saad Ejaz, Marco Giberna, Muhammad Shaheer 等
GenD通过微调Layer Normalization参数，实现对深度伪造检测的跨基准高泛化，AUROC超越SOTA。
Andrii Yermakov, Jan Cech, Jiri Matas 等
AURA利用过程奖励模型实现多层次逻辑与安全评估，提升LLM安全性。
Sayantan Adak, Pratyush Chatterjee, Somnath Banerjee 等
HOLODECK 2.0结合视觉-语言模型实现多风格3D场景生成与交互编辑。
Zixuan Bian, Ruohan Ren, Yue Yang 等
提出KuaiLive，基于快手平台的实时交互直播推荐数据集，支持多任务学习。
Changle Qu, Sunhao Dai, Ke Guo 等
提出基于无标签视觉数据的VLM无监督适应框架，涵盖四大范式，提升模型泛化能力。
Hao Dong, Lijun Sheng, Jian Liang 等
引入RTI方案优化扩散策略推理，显著降低计算时间，保持性能。
Yufei Duan, Hang Yin, Danica Kragic