提出Token Assorted方法，通过混合潜在和文本Token，提升语言模型推理能力，平均推理长度减少17%，性能提升最高13.3%。
DiJia Su, Hanlin Zhu, Yingchen Xu 等
CARROT通过预测模型成本与准确率实现最优路由，实验证明在SPROUT数据集上性能优越。
Seamus Somerstep, Felipe Maia Polo, Allysson Flavio Melo de Oliveira 等
iVISPAR基于滑动拼图，评估VLM的空间推理能力，涉及3D、2D和文本输入。
Julius Mayer, Mohamad Ballout, Serwan Jassim 等
将内在动机视为受约束的最大熵推断，结合主动推理、赋能和最大占用理论。
Alex B. Kiefer
Mosaic3D提出了一种新型数据生成管道和模型，生成5.6M高质量3D掩码-文本对，提升了开放词汇3D分割性能。
Junha Lee, Chunghyun Park, Jaesung Choe 等
Flow Q-Learning（FQL）利用流匹配策略在离线RL中实现复杂动作分布建模，避免递归反向传播。
Seohong Park, Qiyang Li, Sergey Levine
提出专为预训练数据筛选设计的相似性评估框架，发现现有嵌入模型表现不足。
Dylan Sam, Ayan Chakrabarti, Afshin Rostamizadeh 等
MotionLab提出基于运动-条件-运动范式的统一人类运动生成与编辑框架，利用rectified flows实现多任务学习。
Ziyan Guo, Zeyu Hu, De Wen Soh 等
AStar以思维卡片免训练增强多模态推理，在MathVerse达53.9%。
Jinyang Wu, Mingkuan Feng, Guocheng Zhai 等
提出DIME，将扩散模型引入最大熵RL，显著提升高维控制性能。
Onur Celik, Zechu Li, Denis Blessing 等
Soup-of-Experts方法通过参数平均实现专家模型的预训练，快速生成小型专家模型。
Pierre Ablin, Angelos Katharopoulos, Skyler Seto 等
提出非各向异性包裹高斯分布，基于指数映射，适用于SPD流形，增强几何感知能力。
Thibault de Surrel, Fabien Lotte, Sylvain Chevallier 等
提出PRIME框架，通过隐式过程奖励实现在线奖励模型更新，提升多步推理任务表现。
Ganqu Cui, Lifan Yuan, Zefan Wang 等
提出InfoBridge，用扩散桥匹配实现无偏互信息估计，适用于复杂高维数据。
Sergei Kholkin, Ivan Butakov, Evgeny Burnaev 等
BVINet通过零标注实现盲视频修复，显著提升修复效果。
Zhiliang Wu, Kerui Chen, Kun Li 等
ConditionNET通过视觉-语言模型学习动作的前提与效果，提升机器人监控性能。
Daniel Sliwowski, Dongheui Lee
提出CRISP算法，利用序列凸优化解决接触隐式运动规划，鲁棒性强。
Yulin Li, Haoyu Han, Shucheng Kang 等
CAIMAN通过因果行动影响检测提高腿式机器人的样本效率，显著提升推物技能。
Yuanchen Yuan, Jin Cheng, Núria Armengol Urpí 等
提出动态KL加权的扩散模型结合大语言模型提升文本到图像生成质量。
Julian Perry, Frank Sanders, Carter Scott
提出基于奥利兹-索博列夫结构的高效图上非平衡测度传输方法，结合二分搜索实现快速计算。
Tam Le, Truyen Nguyen, Hideitsu Hino 等