引入形式语义块模型和执行评估基准，提升规范质量评估独立性。
Oleg Grynets, Dmytro Kostetskyi, Vasyl Lyashkevych
HiRA-CAM通过多层区域一致性增强CNN的细粒度空间解释，优于LayerCAM和Grad-CAM。
Manasi Nerurkar, Ali A. Minai
提出公平感知网络嵌入方法，分类为光谱、随机游走、图神经网络等，解决社会偏见问题。
Ella Has, Harshith Kumar Yadav, Gaurav Dixit 等
SPADE采用自我对弈机制，利用LLM生成可执行环境并优化环境设计，提升多任务性能，平均提升5.3%。
Bo Liu, Simon Yu, Yiding Jiang 等
提出PartialBiGrasp，通过卷积占据网络在部分点云上推断隐藏局部几何，实现稳健双臂抓取。
Ayush Kaura, Vignesh Vembar, Md Faizal Karim 等
提出Group-Calibrated On-Policy Distillation（GC-OPD），在长上下文推理中通过响应级验证器奖励校准偏差，提升五项基准平均分从29.08提升至40.47。
Zhu Zhang, Jixun Wang, Xiaoang Xu 等
Outcome Monitors提高ToolMaze完成率至28.1%，显著改善工具故障恢复。
Sugam Panthi, Rabab Abdelfattah
MDTIM模型通过离散化时间序列实现更高效的插补，提升了30%的准确性。
Dongbin Kim, Seungyun Lee, Geonwoo Shin 等
JANUS是一种多模态神经采样器，能在无序材料中以极少能量评估重现平衡态。
Denis Blessing, Mouyang Cheng, Maximilian Schebek 等
提出DistScan，通过预NMS预测分布偏移检测目标检测模型中的后门，准确率达97.22%。
Longtian Wang, Zhengyu Zhao, Chenhao Lin 等
提出DA-WAM，通过动作条件未来潜在表示与轨迹评分结合，实现自主驾驶场景的决策对齐，显著优于现有方法。
Ruiguo Zhong, Benshan Ma, Xiaolong Chen 等
本文通过对大规模语言模型（LLM）后训练轨迹的实证分析，发现其策略锁定在初始阶段，缺乏在执行中自主策略重评机制，影响AI自我改进能力。
Joy Jia Yin Lim, Xin Huang, Hao Peng 等
SiConMo在ADE20K仅0.6 GFLOPs达34.8 mIoU，以瓶颈融合局部与全局上下文。
Mian Muhammad Naeem Abid, Nancy Mehta, Zongwei Wu 等
引入Penrose张量符号的图示法，映射PyTorch einsum，提升可解释性与重现性。
Pietro Barbiero
可验证弃权机制使AI在城市供水网络漏诊中更负责任，550事件中214准确。
Tianwei Mu, Yue Wang, Mingzhe Yuan 等
提出数据共观（co-observation）作为持续学习的第三关键因素，系统分析其对模型泛化的影响。
Timm Hess, Abhishek Jha, Gido M. van de Ven 等
RP1通过学习多步计划优化规则，在视觉导航和机器人任务中实现了比手工设计搜索算法更优的性能，使用千倍更少的模型滚动。
Armin Sommer, Jannik Schilling
LabDex通过层次化任务架构评估实验室灵巧操作，验证了其在真实和模拟环境中的有效性。
Zhipeng Tang, Sihang Chen, Sha Zhang 等
提出DAEI，结合残差去噪自编码器，有效反演噪声保护文本嵌入，BLEU提升154%。
Yubo Wang, Shujie Cui, James Bailey 等
VA-Judger基于人类偏好反馈，采用链式推理和维度强化学习，显著提升视频音频生成的符合度。
Yinming Huang, Shuyuan Tu, Xi Yan 等