基于预训练视觉-语言模型的流匹配架构，实现多机器人多任务的零样本控制。

Kevin Black, Noah Brown, Danny Driess 等

Sparsh利用自监督学习在460k+触觉图像上预训练，提升TacBench上95.1%的性能。

Carolina Higuera, Akash Sharma, Chaithanya Krishna Bodduluri 等

IC-LoRA以20–100组样本和LoRA激活DiT的上下文生成能力，实现高保真多图生成。

Lianghua Huang, Wei Wang, Zhi-Fan Wu 等

SuctionPrompt结合视觉语言模型与3D检测，实现零样本多物体抓取，成功率达65%。

Tomohiro Motoda, Takahide Kitamura, Ryo Hanai 等

提出多模态检测（MM-Det）利用LMM生成多模态伪造表示，有效识别扩散模型生成视频。

Xiufeng Song, Xiao Guo, Jiache Zhang 等

基于心理学与人类学定义，调研文化意识在多模态大模型中的数据构建与评估方法。

Siddhesh Pawar, Junyeong Park, Jiho Jin 等

LCoDeepNEAT结合Lamarckian遗传算法，优化CNN架构和最后层权重，提升分类准确率。

Zaniar Sharifi, Khabat Soltanian, Ali Amiri

Senna结合LVLM与端到端模型，提升自主驾驶规划准确率27.12%，碰撞率降低33.33%。

Bo Jiang, Shaoyu Chen, Bencheng Liao 等

提出环境作为策略的自适应训练框架，实现无人机在未见轨迹上的鲁棒飞行。

Hongze Wang, Jiaxu Xing, Nico Messikommer 等

DynaMath通过动态生成问题评估视觉语言模型的数学推理能力，发现其在问题变体上的表现不稳定。

Chengke Zou, Xingang Guo, Rui Yang 等

提出基于物理导引的虚拟引导框架，支持盲低视力用户在社交VR中导航与互动。

Jazmin Collins, Crescentia Jung, Yeonju Jang 等

前沿AI安全案例研究，提出结构化论证方法，强调证据支持。

Marie Davidsen Buhl, Gaurav Sett, Leonie Koessler 等

Fed-POE算法结合本地与联邦模型，通过动态模型选择实现在线预测与微调，显著提升性能。

Pouya M. Ghari, Yanning Shen

利用谱带贪婪算法结合图傅里叶变换系数实现配电网实时监测。

Samuel Talkington, Rahul Gupta, Richard Asiamah 等

LARP采用全局查询的自回归视频编码，提升生成质量，FVD达57。

Hanyu Wang, Saksham Suri, Yixuan Ren 等

提出能量基扩散语言模型（EDLM），利用残差EBM提升文本生成质量，显著优于现有扩散模型，接近自回归模型困惑度。

Minkai Xu, Tomas Geffner, Karsten Kreis 等

提出支持18种语言的仓库级代码补全基准M2RC-EVAL，结合AST解析进行细粒度标注。

Jiaheng Liu, Ken Deng, Congnan Liu 等

CycleResearcher利用强化学习训练的开源模型，实现从文献综述到同行评审的全流程自动化，预测论文评分误差降低26.89%。

Yixuan Weng, Minjun Zhu, Guangsheng Bao 等

ProtoViT结合视觉Transformer实现可解释图像分类，性能优于现有原型模型。

Chiyu Ma, Jon Donnelly, Wenjun Liu 等

提出了Relaxed Recursive Transformers，通过层级LoRA实现有效参数共享，性能接近完整模型。

Sangmin Bae, Adam Fisch, Hrayr Harutyunyan 等