本论文首次分析了基于笛卡尔遗传编程（CGP）在演化布尔函数中的运行时间界限，证明了构建n输入合取范式的期望评估次数为O(nD^5)，非严格选择则为O(nD^4)。
Duc-Cuong Dang, Roman Kalkreuth, Andre Opris
提出基于大语言模型的合作算子集演化算法IG-DOE，结合多破坏算子与自动构建，显著提升Permutation Flow Shop调度性能。
Rui Xu, Yufan Liao, Haoze Lv 等
本研究发现VLM中的少数注意头（凝视头）通过追踪描述区域，提供可控的模型行为干预机制，利用漫画和自然图像验证其因果作用。
Rohit Gandikota, David Bau
提出OmniVideo-100K数据集，结合结构化脚本与证据链，提升音视频推理能力，模型性能提升达20.59%。
Xinyue Cai, Chaoyou Fu, Yi-Fan Zhang 等
提出RATS（寄存器注意力变换器），通过N个可学习寄存器实现无监督的部件结构发现，在五个分割任务中平均提升12个mIoU。
Timing Yang, Predrag Neskovic, Jansen Seheult 等
Instruct-Particulate利用大规模异构数据集和指令控制，结合神经网络实现3D关节结构的高效预测，显著提升泛化能力。
Ruining Li, Yuxin Yao, Matt Zhou 等
提出WorkflowView框架，利用大语言模型（LLMs）将低级行为序列抽象为高层次活动，在浏览器、MOOC和Word文档中实现高准确性（最高F1=0.90），实现跨域通用性。
Gaurav Verma, Scott Counts
本研究揭示自我验证机制在视觉-语言模型中的潜在风险，验证器质量与任务相关，可能导致模型退化。
Jianzhe Lin
提出一种衡量AI生成故事中文化本地化的模板识别方法，发现仅9-17%的词汇决定文化差异。
Shaily Bhatt, Supriti Vijay, Jeremiah Milbauer 等
提出MoE-RM-SRL框架，结合安全距离、奖励机与专家混合模型，实现高速公路自主驾驶的安全与高效。
Chufei Yan, Zhihao Cui, Yiyan Lv 等
MeEvo结合自然演化与元认知演化，通过循环交替实现自动启发式设计，显著提升复杂问题的搜索效率和稳定性。
Zishang Qiu, Xinan Chen, Rong Qu 等
提出基于边际贡献适应度的协同进化脉冲神经网络集成方法，显著提升多任务性能。
Catherine Rodriquez, James Ghawaly
InterleaveThinker通过多智能体框架实现图像生成的交错序列，利用规划器和批评者提升长序列生成质量。
Dian Zheng, Harry Lee, Manyuan Zhang 等
提出Modality Forcing，通过单一DiT模型实现稀疏深度数据的联合图像-深度生成，深度预测准确率提升57%。
Bardienus Pieter Duisterhof, Deva Ramanan, Jeffrey Ichnowski 等
提出Flow Reversal Steering（FRS）方法，通过反向流模型将粗略动作映射到高质量行动，显著提升机器人多任务策略的零-shot控制和快速学习能力。
Andy Tang, William Chen, Andrew Wagenmaker 等
SpatialClaw采用代码作为行动接口，提升20项空间推理任务的平均准确率至59.9%，超越现有方法11.2个百分点。
Seokju Cho, Ryo Hachiuma, Abhishek Badki 等
利用大语言模型（如Claude 4.7）自动评估社会行为科学研究的可复现性，通过效果量匹配和结论一致性验证，提升审查效率。
Tobias Holtdirk, Pietro Marcolongo, Anna Steinberg Schulten 等
本文分析了基于策略的蒸馏（OPD）中的参数稀疏性与几何结构，发现其更新具有稀疏、非低秩但谱集中等特征，揭示了密集教师监督下的模型微调特性。
Guo Yu, Wenlin Liu, Yulan Hu 等
Flex4DHuman利用相对相机姿态编码，从单目或稀疏多视角视频生成同步密集多视角视频，无需几何先验，超越现有方法。
Jen-Hao Cheng, Yipeng Wang, Hao Zhang 等
提出运算子框架Q，用于描述问答中的问题分解，结合操作一致性提升多步推理可靠性。
Nathaniel Bottman, Kyle Richardson