ReAuSE通过内置自回归搜索引擎实现知识增强VQA，提升性能达9.6%。

Xinwei Long, Zhiyuan Ma, Ermo Hua 等

提出CodeCriticBench，涵盖代码生成与问答，结合基础与细粒度评估，提升LLMs代码批评能力。

Alexander Zhang, Marcus Dong, Jiaheng Liu 等

引入Betti曲线作为拓扑描述符，压缩电子密度信息，提升材料结构分类与性能预测。

Nathan J. Szymanski, Alexander Smith, Prodromos Daoutidis 等

提出高维欧几里得距离下的熵正则化最优传输极限的唯一表征，基于传输射线和相对熵最小化。

Shrey Aryan, Promit Ghosal

CCGS方法通过点图关联和分片平面约束，实现一致且紧凑的3D高斯分割场，在ScanNet和Replica数据集上表现优异。

Wenhao Hu, Wenhao Chai, Shengyu Hao 等

ALFA框架通过属性分解、合成与偏好优化提升LLMs在临床问诊中的问答质量，诊断错误降低56.6%。

Shuyue Stella Li, Jimin Mun, Faeze Brahman 等

提出FUR框架，通过参数反向学习评估模型推理的忠实性，实验证明能有效识别关键推理步骤。

Martin Tutek, Fateme Hashemi Chaleshtori, Ana Marasović 等

本论文系统梳理信息检索模型架构演变，重点分析Transformer和大模型的创新。

Zhichao Xu, Fengran Mo, Zhiqi Huang 等

本文提出基于潜在动力学模型的离线规划方法PLDM，利用无奖励轨迹实现环境泛化和轨迹拼接，优于模型自由RL。

Vlad Sobal, Wancong Zhang, Kyunghyun Cho 等

提出HippoRAG 2，通过深度 Passage 集成和在线LLM优化，提升大模型的事实、感知与联想记忆性能，超越标准RAG 7%。

Bernal Jiménez Gutiérrez, Yiheng Shu, Weijian Qi 等

基于规则强化学习的Logic-RL模型，通过逻辑谜题训练，显著提升推理能力，能泛化至AIME和AMC等数学基准。

Tian Xie, Zitian Gao, Qingnan Ren 等

EAGER-LLM通过知识索引和多尺度对齐提升LLM推荐效果，融合外源行为与语义信息。

Minjie Hong, Yan Xia, Zehan Wang 等

Llamba为高效递归语言模型，基于Llama-3.x蒸馏，达成更高推理吞吐率，训练数据仅用0.1%。

Aviv Bick, Tobias Katsch, Nimit Sohoni 等

提出SUnsET数据集，提升长文本查询摘要的证据引用准确性。

Dustin Wright, Zain Muhammad Mujahid, Lu Wang 等

提出基于集成学习视角的SNN优化方法，通过膜电位平滑与邻近子网引导提升性能。

Yongqi Ding, Lin Zuo, Mengmeng Jing 等

本研究提出基于教育评估的生成式MCQA改进方案，解决数据泄露、偏差和难度不足问题。

Nishant Balepur, Rachel Rudinger, Jordan Lee Boyd-Graber

使用AlphaZero和循环神经网络在六边形兵棋推演中实现战略决策，初步结果显示在不同地形上有良好表现。

Guilherme Palma, Pedro A. Santos, João Dias

提出一种基于SNN的多模态人类动作识别框架，显著提高能效和准确率。

Naichuan Zheng, Hailun Xia, Zeyu Liang 等

MoVer基于一阶逻辑验证运动图形动画中的时空属性，提升自动生成动画的准确性。

Jiaju Ma, Maneesh Agrawala

通过监督链式推理提升长文本理解，GPT-4o-mini w/ PAI在Loong基准上提升20%。

Jingyang Lin, Andy Wong, Tian Xia 等