Box Maze框架通过内存锚定、结构化推理和边界执行三层结构，显著降低LLM推理错误率至1%。
Zou Qiang
基于ADMM的分布式MPC框架结合控制障碍函数，实现四足机器人安全运动，规划时间减少51%。
Yicheng Zeng, Ruturaj S. Sambhus, Basit Muhammad Imran 等
ARIADNE利用DPO和RL实现冠状动脉造影分析，中心线Dice达到0.838。
Zhan Jin, Yu Luo, Yizhou Zhang 等
MAPG通过多代理概率推理实现视觉语言导航中的度量语义目标定位，在HM-EQA基准上表现优异。
Swagat Padhan, Lakshya Jain, Bhavya Minesh Shah 等
PPI估计器与Cassel等人的差异估计器等价，结合机器学习预测和少量标签进行统计推断。
Reagan Mozer
VEPO通过可验证奖励的强化学习提升低资源语言模型的翻译质量和分词效率。
Chonghan Liu, Yimin Du, Qi An 等
通过Fredholm积分方程构建Karhunen-Loève展开，结合SVD实现一致解。
Cosmin Safta, Habib N. Najm
通过神经网络反向传播实现快速可解释的自回归估计，速度提升12.6倍。
Anaísa Lucena, Ana Martins, Armando J. Pinho 等
OmniAnomaly与PCA在SMD数据集上的异常检测表现相当，尤其在不进行点调整时。
Bruna Alves, Ana Martins, Armando J. Pinho 等
本文提出了一种基于未来状态-动作访问度量的最大熵探索方法，提高了特征访问和收敛速度。
Adrien Bolland, Gaspard Lambrechts, Damien Ernst
通过BERT Score和专家评估，研究ChatGPT-4o、GeminiAI和Perplexity AI在生成泰卢固语孕产健康问答中的表现，Gemini表现最佳。
Anagani Bhanusree, Sai Divya Vissamsetty, K VenkataKrishna Rao 等
提出了一种无参考模拟框架，通过训练独立的用户和推荐器模拟器生成更真实的对话。
Jerome Ramos, Feng Xia, Xi Wang 等
通过协方差方法和Granger因果关系优化，从部分测量中恢复稀疏神经连接。
Quilee Simeon
ChoiceEval框架揭示LLM在品牌和文化偏好中的地理偏见，尤其是美国实体。
Jasmine Rienecker, Katarina Mpofu, Naman Goel 等
ALIGN通过对抗学习提高跨会话语音神经假体的泛化能力，显著降低音素和单词错误率。
Zhanqi Zhang, Shun Li, Bernardo L. Sabatini 等
cHM算法是一种通用的连续优化框架，在28个基准函数上表现优异。
Piotr A. Kowalski, Szymon Kucharczyk, Jacek Mańdziuk
提出Spatio-Temporal Token Scoring (STTS)，在不影响性能的情况下提高视频视觉语言模型效率62%。
Jianrui Zhang, Yue Yang, Rohun Tripathi 等
Loc3R-VLM通过单目视频输入实现语言定位和3D推理，表现优于现有方法。
Kevin Qu, Haozhe Qi, Mihai Dusmanu 等
LoST通过语义显著性排序3D形状的token，实现高效的自回归3D生成，仅需0.1%-10%的token。
Niladri Shekhar Dutt, Zifan Shi, Paul Guerrero 等
通过嵌入空间探测实现高效的无训练多标记预测，提升LLaMA3的接受长度12%。
Raghavv Goel, Mukul Gagrani, Mingu Lee 等