本论文提出“JudgeAnything”基准，利用多模态大模型（MLLM）作为跨模态评估工具，涵盖15类任务，评估模型理解与生成能力，显示其在MMU表现优异，但在MMG方面仍存偏差。

Shu Pu, Yaochen Wang, Dongping Chen 等

OmniLearn以动态批处理缓解异构集群拖尾，使训练提速14–85%，异步精度最高提升6.9%。

Sahil Tyagi, Prateek Sharma

PrediCIR利用世界模型预测缺失目标内容，提升零样本图像检索性能，提升幅度达4.45%。

Yuanmin Tang, Jing Yu, Keke Gai 等

VLU-Net通过视觉语言模型实现多退化图像的统一恢复，在SOTS去雾数据集上提升3.74 dB。

Haijin Zeng, Xiangming Wang, Yongyong Chen 等

提出DCEdit，通过双层控制和精准语义定位实现高精度图像编辑，显著优于现有方法。

Yihan Hu, Jianing Peng, Yiheng Lin 等

MagicMotion通过密稠到稀疏轨迹引导，实现高质量、多目标、多格式的可控视频生成，构建了MagicData与MagicBench，显著优于SOTA。

Quanhao Li, Zhen Xing, Rui Wang 等

提出多策略优化大语言模型推理效率，包括模型剪枝、输出控制和输入提示，显著减少冗余步骤。

Yang Sui, Yu-Neng Chuang, Guanchu Wang 等

本综述系统分析了大规模语言模型（LLM）驱动代理的评估方法，涵盖核心能力、应用场景、基准维度及开发工具。

Asaf Yehudai, Lilach Eden, Alan Li 等

ScalingNoise通过引导噪声选择提高视频生成质量和一致性。

Haolin Yang, Feilong Tang, Ming Hu 等

CaKE方法通过电路感知编辑提高LLMs在MQuAKE数据集上多跳推理准确率20%。

Yunzhi Yao, Jizhan Fang, Jia-Chen Gu 等

HICom通过混合级指令注入实现视频令牌压缩，性能提升2.43%，节省78.8%令牌。

Zhihang Liu, Chen-Wei Xie, Pandeng Li 等

SpiLiFormer通过侧抑制机制提升SNNs的注意力分配，在ImageNet-1K上超越SOTA模型0.46%。

Zeqi Zheng, Yanchen Huang, Yingchao Yu 等

提出基于3D高斯点云的3D人-物交互重建方法，构建了包含133类物体和120类交互的开放词汇野外数据集Open3DHOI。

Boran Wen, Dingbang Huang, Zichen Zhang 等

提出APEX-MR框架，通过异步规划与执行实现多机器人协作装配，提升效率与安全。

Philip Huang, Ruixuan Liu, Shobhit Aggarwal 等

提出ContextualJudgeBench基准，评估大模型在上下文场景中的判定能力，模型准确率仅达55%。

Austin Xu, Srijan Bansal, Yifei Ming 等

提出AlignX框架，基于1.3百万偏好样本实现个性化LLM对齐，提升17.06%准确率。

Jia-Nan Li, Jian Guan, Songhao Wu 等

MotionStreamer结合连续潜在空间与自回归扩散模型，实现在线流式人类动作生成。

Lixing Xiao, Shunlin Lu, Huaijin Pi 等

EfficientLLaVA采用结构风险最小化实现大视觉-语言模型自动剪枝，使用64样本达83.05%准确率，提升1.8倍速度。

Yinan Liang, Ziwei Wang, Xiuwei Xu 等

提出TRACE方法，通过语义感知变换检测目标检测模型中的后门样本，提升30% AUROC。

Hangtao Zhang, Yichen Wang, Shihui Yan 等

POSTA利用扩散模型和多模态大语言模型实现个性化艺术海报生成，涵盖背景、布局、文本风格。

Haoyu Chen, Xiaojie Xu, Wenbo Li 等