本研究验证LLMs在时间序列异常检测中的能力，发现其主要通过图像理解，表现有限。
Zihao Zhou, Rose Yu
TidalDecode通过位置持久稀疏注意实现LLM解码速度提升2.1倍，保持性能。
Lijie Yang, Zhihao Zhang, Zhuofu Chen 等
提出LLaMEA-HPO，结合HPO优化，显著降低LLM算法生成成本。
Niki van Stein, Diederick Vermetten, Thomas Bäck
基于扩散模型的3D目标生成与重建，利用噪声逆转实现高质量多样化输出。
Zhen Wang, Dongyuan Li, Yaozu Wu 等
提出ActiView基准，评估多模态大模型的主动感知能力，涵盖视图转移与缩放，实验显示模型差距明显。
Ziyue Wang, Chi Chen, Fuwen Luo 等
Casablanca构建了涵盖8个阿拉伯方言的多层次标注语音数据集，评估多语种模型性能。
Bashar Talafha, Karima Kadaoui, Samar Mohamed Magdy 等
SparseVLM通过文本引导无训练成本地稀疏视觉Token，显著降低VLM计算负担。
Yuan Zhang, Chun-Kai Fan, Junpeng Ma 等
基于持久熵和拓扑保持的无监督景观变化评估框架，检测MNIST数据流中的拓扑变化。
Sebastian Basterrech
MetricX-24结合多阶段训练与合成数据，提升翻译评估准确性，显著优于MetricX-23。
Juraj Juraska, Daniel Deutsch, Mara Finkelstein 等
加速随机主元Cholesky算法通过拒绝采样提高核矩阵近似速度40倍。
Ethan N. Epperly, Joel A. Tropp, Robert J. Webber
基于莱维随机积分框架，系统分析离散扩散模型误差，首次提供KL散度误差界。
Yinuo Ren, Haoxuan Chen, Grant M. Rotskoff 等
提出了可切换稀疏-密集学习(SSD)，在预训练中提高效率，推理速度提升2倍。
Zhengyan Zhang, Chaojun Xiao, Qiujieli Qin 等
提出基于Minty技巧的二次正则化最优运输支持稀疏性界限，定量描述支持集中与偏差。
Johannes Wiesel, Xingyu Xu
提出小正则参数下二次正则化最优传输的稀疏性，支持收缩速率为ε^{1/3}。
Alberto González-Sanz, Marcel Nutz
提出Sm机制增强多实例学习中的局部依赖建模，显著提升医学图像定位性能。
Francisco M. Castro-Macías, Pablo Morales-Álvarez, Yunan Wu 等
X-ALMA采用插件模块与自适应拒绝优化，确保50语种高质量翻译。
Haoran Xu, Kenton Murray, Philipp Koehn 等
本研究发现动态稀疏训练（DST）在图像腐蚀鲁棒性方面优于密集训练，尤其在稀疏度10%-50%范围内。
Boqian Wu, Qiao Xiao, Shunxin Wang 等
利用高斯过程学习Cole-Hopf变换，简化非线性偏微分方程的表示与求解。
Jonghyeon Lee, Boumediene Hamzi, Yannis Kevrekidis 等
HELMET提供七类任务评估长上下文语言模型，改进现有基准。
Howard Yen, Tianyu Gao, Minmin Hou 等
提出ICR方法利用注意力变化实现高效零样本重排序，减少60%以上延迟。
Shijie Chen, Bernal Jiménez Gutiérrez, Yu Su