Matryoshka Gaussian Splatting (MGS) 提供连续细节层次控制，保持全容量渲染质量。

Zhilin Guo, Boqiao Zhang, Hakan Aktas 等

视觉-语言-动作模型的视觉路径主导行为生成，语言敏感性依赖任务结构。

Bryce Grant, Xijia Zhao, Peng Wang

MonoArt通过渐进结构推理实现单目3D重建，提升了PartNet-Mobility数据集上的重建精度和推理速度。

Haitian Li, Haozhe Xie, Junxiang Xu 等

NavTrust通过系统性地引入RGB、深度和指令的腐蚀，评估了具身导航的可靠性，揭示了现有模型的鲁棒性差距。

Huaide Jiang, Yash Chaudhary, Yuping Wang 等

MoTok方法在HumanML3D上将轨迹误差从0.72 cm降至0.08 cm，FID从0.083降至0.029。

Chenyang Gu, Mingyuan Zhang, Haozhe Xie 等

SAMA通过语义锚定和运动对齐实现指令引导的视频编辑，显著提升编辑精度和运动一致性。

Xinyao Zhang, Wenkai Dong, Yuxin Song 等

EffectErase通过逆向学习实现高质量视频对象移除与插入，基于VOR数据集。

Yang Fu, Yike Zheng, Ziyun Dai 等

F2LLM-v2通过两阶段训练和套娃学习，提供高效多语言嵌入，支持200多种语言。

Ziyin Zhang, Zihan Liao, Hang Yu 等

基于光谱特性的逐像素扩散噪声调度提高了低步数生成质量。

Carlos Esteves, Ameesh Makadia

提出了一种在排名反馈下进行在线学习的新算法，解决了传统数值反馈缺失的问题。

Mingyang Liu, Yongshan Chen, Zhiyuan Fan 等

Nemotron-Cascade 2通过级联RL和多域策略蒸馏在30B MoE模型中实现了顶级推理能力。

Zhuolin Yang, Zihan Liu, Yang Chen 等

DriveTok通过3D可变形交叉注意力实现多视角重建和理解，在nuScenes数据集上表现出色。

Dong Zhuo, Wenzhao Zheng, Sicheng Zuo 等

DreamPartGen通过协同潜在去噪实现语义基础的部分级3D生成，几何保真度提高53%。

Tianjiao Yu, Xinzhuo Li, Muntasir Wahed 等

研究发现状态空间模型(SSM)作为视觉编码器在VLM中表现优于视觉变压器(ViT)，尤其在VQA和定位任务中。

Shang-Jui Ray Kuo, Paola Cascante-Bonilla

通过成本感知的规避框架研究钓鱼检测中的鲁棒性，最小规避成本为2，80%以上的攻击集中在三个低成本特征上。

Julian Allagan, Mohamed Elbakary, Zohreh Safari 等

OmniVTA结合预测接触建模与高频触觉反馈，实现接触丰富操控任务的突破。

Yuhang Zheng, Songen Gu, Weize Li 等

FASTER通过引入Horizon-Aware Schedule，显著减少反应延迟，提升VLA模型实时性。

Yuxiang Lu, Zhe Liu, Xianzhe Fan 等

研究探讨LLM在音频语言模型中的听觉知识编码，揭示文本训练对音频性能的影响。

Ke-Han Lu, Szu-Wei Fu, Chao-Han Huck Yang 等

OS-Themis框架在AndroidWorld上提升10.3%，通过多代理批判机制优化GUI奖励。

Zehao Li, Zhenyu Wu, Yibo Zhao 等

稀疏自编码器揭示VLA模型中的可解释和可操控特征，提升模型在LIBERO基准上的泛化能力。

Aiden Swann, Lachlain McGranahan, Hugo Buurmeijer 等