提出EBiEOT结合半监督数据，通过逆熵最优传输实现条件分布最大化。
Mikhail Persiianov, Arip Asadulaev, Nikita Andreev 等
自解释AI结合注意力机制提升医学图像分析透明度，覆盖200篇论文。
Junlin Hou, Sicen Liu, Yequan Bie 等
提出基于CTMC的离散扩散模型收敛界，KL误差线性增长，算法理论保证。
Zikun Zhang, Zixiang Chen, Quanquan Gu
提出基于梯度无关切割平面的方法，用于深度ReLU网络的主动学习，证明收敛性。
Erica Zhang, Fangzhao Zhang, Mert Pilanci
使用LLM增强的MetaScore数据集生成符号音乐，提供文本和标签控制。
Weihan Xu, Julian McAuley, Taylor Berg-Kirkpatrick 等
ExACT方法结合R-MCTS与探索性学习，在VisualWebArena基准上提升6%-30%。
Xiao Yu, Baolin Peng, Vineeth Vajipey 等
提出FeelAnyForce，通过多头Transformer实现视觉触觉传感器的3D接触力估计，误差4%。
Amir-Hossein Shahidzadeh, Gabriele Caddeo, Koushik Alapati 等
LS-HAR结合语言引导骨架和视觉特征，利用Salient Fusion提升施工现场人类动作识别准确率。
Mohammad Mahdavian, Mohammad Loni, Ted Samuelsson 等
引入矩阵版本的随机热方程（MSHE），在一维空间中获得其不变测度，展现其在弱噪声极限下的经典可积性。
Alexandre Krajenbrink, Pierre Le Doussal
Leopard模型解决多图像文本任务，超越Llama-3.2等，使用1.2M开源数据。
Mengzhao Jia, Wenhao Yu, Kaixin Ma 等
提出无训练的概率性猜测雅可比解码（SJD），在文本到图像生成中实现约2倍加速，保持图像质量。
Yao Teng, Han Shi, Xian Liu 等
提出CTDN方法，通过文本监督实现自我中心语义分割，显著提升精度。
Zhaofeng Shi, Heqian Qiu, Lanxiao Wang 等
提出VideoCLIP-XL，利用大规模长描述视频数据集和TPCM，显著提升视频长描述理解能力。
Jiapeng Wang, Chengyu Wang, Kunzhe Huang 等
提出ManiSkill3，GPU并行模拟与渲染，支持12类任务，提升速度至30,000FPS，显存降低2-3倍。
Stone Tao, Fanbo Xiang, Arth Shukla 等
提出COGIS，通过高斯过程隐式表面在线估算环境障碍，优化机器人操控。
Abhinav Kumar, Peter Mitrano, Dmitry Berenson
DeSTA2利用自动生成语音文本对，无需指令调优，提升语音理解能力。
Ke-Han Lu, Zhehuai Chen, Szu-Wei Fu 等
EndoDepth基准评估单目深度预测模型在内窥镜中的鲁棒性，提出mDERS指标和SCARED-C数据集。
Ivan Reyes-Amezcua, Ricardo Espinosa, Christian Daul 等
UniSumEval通过细粒度、多维度标注，评估9种最新LLM的摘要性能，填补现有基准不足。
Yuho Lee, Taewon Yun, Jason Cai 等
提出基于领域适应的反事实奖励模型，用于广告排序模型的离线评估，优于IPS和非泛化模型。
Mohamed A. Radwan, Himaghna Bhattacharjee, Quinn Lanners 等
基于人本设计的四足导盲机器人，结合强化学习与视觉模型，提升安全性与用户信任。
Hochul Hwang, Ken Suzuki, Nicholas A Giudice 等