FlowCF通过流匹配提高协同过滤推荐准确性，实验表明其推理速度最快。
Chengkai Liu, Yangtian Zhang, Jianling Wang 等
研究发现LLMs的推理链长度存在倒U型曲线，提出长度优化方法提高性能。
Yuyang Wu, Yifei Wang, Ziyu Ye 等
该综述融合联邦学习与持续学习，系统归纳异质性、遗忘、通信和隐私挑战；原文未报告统一实验数值。
Parisa Hamedi, Roozbeh Razavi-Far, Ehsan Hallaji
Steel-LLM使用Soft MoE和增强FFN，在CEVAL上表现优异。
Qingshui Gu, Shu Li, Tianyu Zheng 等
LiveForesighter用Transformer预测直播高光趋势与未来商品，已部署于覆盖4亿日活用户的快手服务。
Yucheng Lu, Jiangxia Cao, Xu Kuan 等
提出AMKOR框架，结合大模型与检索知识，优化多源多跳推理性能。
Jackson Coleman, Isaiah Lawrence, Benjamin Turner
提出MMGDreamer，结合混合模态图实现几何可控的3D室内场景生成，显著提升控制精度。
Zhifei Yang, Keyang Lu, Chao Zhang 等
提出基于上下文的场景生成（CSG）方法，通过分布式和任务驱动模型优化二阶段随机规划决策。
David Islip, Roy H. Kwon, Sanghyeon Bae 等
Long-VITA是一款支持1百万Token长序列的多模态模型，结合视觉、视频与文本理解，达成短序列高精度。
Yunhang Shen, Chaoyou Fu, Shaoqi Dong 等
提出一种基于潜在递归深度的语言模型架构，通过多次循环推理实现测试时计算扩展，参数达35亿，提升推理性能。
Jonas Geiping, Sean McLeish, Neel Jain 等
Goku采用修正流变换Transformer，实现图像视频联合生成，性能领先。
Shoufa Chen, Chongjian Ge, Yuqi Zhang 等
提出共存概念，强调具身人工智能需持续适应环境与用户以实现长期互动。
Hannah Kuehn, Joseph La Delfa, Miguel Vasco 等
提出联合估计噪声协方差矩阵与状态的算法，基于凸结构和解析解，应用于SLAM等场景。
Kasra Khosoussi, Iman Shames
提出滑动块注意力(STA)，在视频生成中实现2.8-17倍加速，保持质量。
Peiyuan Zhang, Yongqi Chen, Runlong Su 等
提出迭代重要性微调(diffusion模型)，通过自监督学习优化控制，实现条件采样，提升多任务适应性。
Alexander Denker, Shreyas Padhy, Francisco Vargas 等
提出Achieved Information Gain（AIG）衡量有限资源下的认知效果，定义其性质与应用。
Torsten Enßlin
提出增强重要性评分的IEE方法，提升稀疏剪枝性能，在ImageNet上ResNet50达+1.3%准确率。
Xinglong Sun, Maying Shen, Hongxu Yin 等
提出DGPPO框架，结合离散图控制屏障函数（DGCBF）实现未知离散动态多智能体安全最优控制。
Songyuan Zhang, Oswin So, Mitchell Black 等
提出“白金基准”以降低标签误差，评估大模型可靠性，发现即使最先进模型在简单任务中仍有明显失败。
Joshua Vendrow, Edward Vendrow, Sara Beery 等
LIMO模型通过精简数据实现复杂推理，AIME24准确率63.3%，MATH500达95.6%。
Yixin Ye, Zhen Huang, Yang Xiao 等