GazeVLA通过学习人类意图提升机器人操作性能，显著超越基线方法。
Chengyang Li, Kaiyi Xiong, Yuan Xu 等
使用Dafny进行形式验证的自然语言到代码生成，Gemma 4-31B验证成功率达90.91%。
Md Erfan, Md Kamal Hossain Chowdhury, Ahmed Ryan 等
提出了一种基于LLM的评估框架，提升数学推理评估的准确性，超越符号数学的局限。
Erez Yosef, Oron Anschel, Shunit Haviv Hakimi 等
EV-CLIP通过视觉提示高效适配CLIP，实现视觉挑战下的少样本动作识别。
Hyo Jin Jon, Longbin Jin, Eun Yi Kim
RedVLA通过两阶段流程识别VLA模型的物理安全风险，ASR达95.5%。
Yuhao Zhang, Borong Zhang, Jiaming Fan 等
FlowAnchor通过空间注意力和自适应调制稳定视频编辑信号，实现多目标场景高效编辑。
Ze Chen, Lan Chen, Yuanhang Li 等
WassersteinGrad通过计算熵Wasserstein重心来解释动态物理场预测，提升天气预报的自回归模型解释性。
Younes Essafouri, Laure Raynaud, Luciano Drozda 等
研究表明，深度网络在医学影像中学习到的非鲁棒特征在五个MedMNIST分类任务中表现出色。
Coenraad Mouton, Randle Rabe, Niklas C. Koser 等
提出TAWin方法，通过WPAUC优化RL推荐系统，提升Top-K性能。
Wentao Shi, Qifan Wang, Chen Chen 等
使用Riemann特征和RNN解码高维手指运动，TRR模型在EMG-FK数据集上表现出色，平均绝对误差为9.79°。
Martin Colot, Cédric Simar, Guy Cheron 等
FedSPDnet通过ProjAvg和RLAvg策略在EEG数据集上表现优于传统方法，提升F1分数和鲁棒性。
Thibault Pautrel, Florent Bouchard, Ammar Mian 等
Point&Grasp通过概率线索整合实现对远距物体的灵活选择，提升准确率和速度。
Xuejing Luo, Hee-Seung Moon, Christian Holz 等
HubRouter通过O(nM)路由替换O(n^2)注意力层，提升效率。
Abhinaba Basu
AgentSearchBench通过执行信号提高代理搜索排名质量，填补语义与性能之间的差距。
Bin Wu, Arastun Mammadli, Xiaoyu Zhang 等
SQUEAK算法通过未归一化的岭杠杆分数实现核岭回归的低空间复杂度。
Daniele Calandriello, Alessandro Lazaric, Michal Valko
可塑拒绝采样（PRS）通过核估计学习采样提议，保证高概率独立同分布采样。
Akram Erraqabi, Michal Valko, Alexandra Carpentier 等
LeHome模拟环境通过PBD和FEM等方法实现家庭场景中可变形物体的高保真操控。
Zeyi Li, Yushi Yang, Shawn Xie 等
提出人机共生的协同进化理论，强调互惠和治理的动态系统模型。
Somyajit Chakraborty
提出语义与协同视图的互补融合方法，避免全局对齐带来的局限，提升推荐系统性能。
Maolin Wang, Dongze Wu, Jianing Zhou 等
ResRank通过残差段落压缩和端到端联合训练，提升信息检索的效率和效果。
Xiaojie Ke, Shuai Zhang, Liansheng Sun 等