提出基于线性算术模型和CEGAR启发的最优求解器，用于序贯3D打印的物体布局与调度。
Pavel Surynek, Vojtěch Bubník, Lukáš Matěna 等
START通过工具整合提升推理能力，在GPQA上达到63.6%的准确率。
Chengpeng Li, Mingfeng Xue, Zhenru Zhang 等
HybridNorm结合Pre-Norm和Post-Norm，提升Transformer训练稳定性和性能。
Zhijian Zhuo, Yutao Zeng, Ya Wang 等
GAGrasp利用几何代数实现SE(3)等变性，结合扩散模型与物理优化，显著提升多姿态物体抓取的效率与稳定性。
Tao Zhong, Christine Allen-Blanchette
提出All-atom Diffusion Transformer (ADiT)，实现分子与材料的统一生成，达成SOTA性能。
Chaitanya K. Joshi, Xiang Fu, Yi-Lun Liao 等
CHOP：通过约束高频优化子任务规划提升移动助手效率和效果。
Yuqi Zhou, Shuai Wang, Sunhao Dai 等
提出双目标优化（DOOR/W-DOOR）提升大模型安全对齐，显著增强反越狱能力。
Xuandong Zhao, Will Cai, Tianneng Shi 等
LION-FS通过快慢路径策略提高视频助手的实时性和准确性。
Wei Li, Bing Hu, Rui Shao 等
利用稀疏自编码器（SAE）从Gemma-2-2b残差流提取特征，提升人工文本检测的可解释性。
Kristian Kuznetsov, Laida Kushnareva, Polina Druzhinina 等
本研究评估变换器模型在分子性质预测中的表现，发现领域适应显著提升性能，超越规模扩展效果。
Afnan Sultan, Max Rausch-Dupont, Shahrukh Khan 等
CodeIF-Bench评估大模型多轮指令遵循能力，结合九类可验证指令，突出上下文管理。
Peiding Wang, Li Zhang, Fang Liu 等
引入基于脉冲的对齐学习（SAL），利用脉冲时序统计修正突触连接不对称，解决权重传输问题。
Timo Gierlich, Andreas Baumbach, Akos F. Kungl 等
本文综述个性化生成，提出多层次分类法，探讨技术进展和应用。
Yiyan Xu, Jinghao Zhang, Alireza Salemi 等
CMMLoc利用Cauchy混合模型实现文本与点云的部分相关性建模，提升城市环境定位精度。
Yanlong Xu, Haoxuan Qu, Jun Liu 等
提出GA-Rollback框架，通过生成器与助手交互实现逐步回滚，显著提升LLM代理的推理准确性。
Xingzuo Li, Kehai Chen, Yunfei Long 等
EpicPRM框架通过自适应二分搜索算法构建高质量数学推理数据集Epic50k，提升PRM性能。
Wei Sun, Qianlong Du, Fuwei Cui 等
提出PD-VLA，通过平行解码技术显著提升带动作块的视觉-语言-动作模型推理速度，达2.52倍提升。
Wenxuan Song, Jiayi Chen, Pengxiang Ding 等
提出结合PFC-HPC交互的强化学习模型，实现目标导向的情景记忆调控与泛化。
Yicong Zheng, Nora Wolf, Charan Ranganath 等
本研究提出ToolRet基准，评估大语言模型的工具检索能力，发现现有IR模型表现不足，提出200k样本训练提升性能。
Zhengliang Shi, Yuhan Wang, Lingyong Yan 等
CoPL通过图协同过滤和LoRA专家混合实现LLM个性化，提升用户偏好估计。
Youngbin Choi, Seunghyuk Cho, Minjong Lee 等