LLM4AD以EoH等搜索方法统一算法生成，在9项任务和8种LLM上验证可扩展性。
Fei Liu, Rui Zhang, Zhuoliang Xie 等
TG-OT利用拓扑引导的最优传输实现无依赖的冠状动脉CT与IVUS配准，达成高精度。
R. L. M. van Herten, José P. Henriques, R. Nils Planken 等
提出SympFlow，基于参数化哈密顿流映射的时间依赖型保辛神经网络，增强能量守恒与长时稳定性。
Priscilla Canizares, Davide Murari, Carola-Bibiane Schönlieb 等
提出了一种输入扰动方法“遗忘向量”，无需改变模型权重即可实现机器遗忘。
Changchang Sun, Ren Wang, Yihua Zhang 等
Task Shield通过任务对齐减少攻击成功率至2.07%，保持69.79%任务效用。
Feiran Jia, Tong Wu, Xin Qin 等
提出一种基于核方法的Koopman特征特征函数近似算法，无需显式计算Koopman算子，结合线性与非线性分解，提升系统分析能力。
Jonghyeon Lee, Boumediene Hamzi, Boya Hou 等
BODex通过双层优化实现高效的灵巧抓取合成，成功率超75%。
Jiayi Chen, Yubin Ke, He Wang
提出CRT正则化的视觉标记方法，通过压缩与生成权衡提升效率，参数减半达LlamaGen-3B性能。
Vivek Ramanujan, Kushal Tirumala, Armen Aghajanyan 等
利用DreamBooth和对比学习，从少量真实图像生成个性化表示，显著优于预训练模型。
Shobhita Sundaram, Julia Chae, Yonglong Tian 等
OREO方法提升LLM多步推理能力，在GSM8K和MATH数据集上表现优异。
Huaijie Wang, Shibo Hao, Hanze Dong 等
LE-MCTS以PRM引导多模型MCTS，在MATH达45.2%、MQA达71.1%。
Sungjin Park, Xiao Liu, Yeyun Gong 等
Aria-UI通过纯视觉方法实现GUI指令的视觉定位，提升了定位准确率。
Yuhao Yang, Yue Wang, Dongxu Li 等
提出CAG，利用长上下文LLMs预加载知识，避免实时检索，显著提升知识任务效率。
Brian J Chan, Chao-Ting Chen, Jui-Hung Cheng 等
LeviTor通过深度信息与K-means簇点实现3D轨迹控制，提升图像转视频的精确性。
Hanlin Wang, Hao Ouyang, Qiuyu Wang 等
本文以多视图扩散重光照结合NeRF-Casting，在极端光照变化下实现高保真三维重建。
Hadi Alzayer, Philipp Henzler, Jonathan T. Barron 等
LMFusion通过冻结文本模块，训练图像模块，实现了在50%FLOPs下提升20%图像理解和3.6%图像生成的多模态能力。
Weijia Shi, Xiaochuang Han, Chunting Zhou 等
STRAP利用预训练视觉模型和动态时间扭曲实现子轨迹检索，显著提升机器人策略的泛化与鲁棒性。
Marius Memmel, Jacob Berg, Bingqing Chen 等
提出Prompt-A-Video，基于偏好对齐的LLM优化视频生成提示，提升视频质量指标平均提升0.2以上。
Yatai Ji, Jiacheng Zhang, Jie Wu 等
SMORE模型通过频域融合减少噪声，提高多模态推荐准确性。
Rongqing Kenneth Ong, Andy W. H. Khong
通过自蒸馏方法实现高效知识注入，超越RAG和监督微调。
Kalle Kujanpää, Pekka Marttinen, Harri Valpola 等