提出结合上下文信息的双重学习算法（CDLA-LD），有效缓解位置偏差与上下文偏差。
Lulu Yu, Keping Bi, Shiyu Ni 等
Anim-Director利用GPT-4驱动多模态模型，实现动画视频的自动化生成与控制。
Yunxin Li, Haoyuan Shi, Baotian Hu 等
提出两种非参数邻近方法结合UCB，解决无界上下文分布的上下文带带问题，第二种方法近似最优。
Puning Zhao, Rongfei Fan, Shaowei Wang 等
ContactSDF利用签名距离函数（SDF）建立多接触模型，实现碰撞检测与时间步预测，提升灵巧操控的效率与精度。
Wen Yang, Wanxin Jin
ConVerSum利用对比学习在无大规模数据条件下实现跨语言摘要，显著优于现有方法。
Sanzana Karim Lora, M. Sohel Rahman, Rifat Shahriyar
Math-PUMA以692K对齐样本和三阶段训练缩小数学图文推理差距。
Wenwen Zhuang, Xin Huang, Xiantao Zhang 等
提出Meta Agent Search算法，自动在代码空间中发现创新代理，性能优于手工设计，跨域表现优异。
Shengran Hu, Cong Lu, Jeff Clune
提出一种基于软价值函数的无微分引导方法，结合扩散模型实现高效优化，无需微调或可微代理模型。
Xiner Li, Yulai Zhao, Chenyu Wang 等
结合LLM与网络检索，提升假信息检测准确率20%。
Jacob-Junqi Tian, Hao Yu, Yury Orlovskiy 等
RAVE清单提出15项建议以解决自动驾驶系统安全研究中的挑战。
John M. Scanlon, Eric R. Teoh, David G. Kidd 等
提出EEPPR，用相关性在3D空间估算事件相机中周期性现象频率，误差0.1%。
Jakub Kolář, Radim Špetlík, Jiří Matas
DC3DO结合LION和扩散模型，实现3D形状的零样本分类，提升12.5%。
Nursena Koprucu, Meher Shashwat Nigam, Shicheng Xu 等
提出OpenEP任务与OpenEPBench数据集，结合StkFEP框架进行开放式未来事件预测，利用多角度、多样化结果实现更真实场景模拟。
Yong Guan, Hao Peng, Xiaozhi Wang 等
UniT以VQGAN学触觉表征，单一物体训练即可零样本泛化到多任务。
Zhengtong Xu, Raghava Uppuluri, Xinwei Zhang 等
VAB基准通过多场景评估大型多模态模型作为视觉基础智能体，结合行为克隆提升开放模型性能。
Xiao Liu, Tianjie Zhang, Yu Gu 等
基于主动推理框架（AIF）结合拓扑映射，模型能在少量步骤内快速学习环境结构，优于CSCG模型。
Daria de Tinguy, Tim Verbelen, Bart Dhoedt
提出Speculative Diffusion Decoding（SpecDiff），结合离散扩散模型实现语言生成的7.2倍加速。
Jacob K Christopher, Brian R Bartoldson, Tal Ben-Nun 等
SWIFT为大模型微调提供支持，支持550+ LLM和200+ MLLM，集成多种训练技术。
Yuze Zhao, Jintao Huang, Jinghan Hu 等
提出多智能体LLM框架自动生成数据故事，涵盖1494个真实案例。
Mohammed Saidul Islam, Md Tahmid Rahman Laskar, Md Rizwan Parvez 等
利用无监督多模态嵌入和GFlowNets生成与目标细胞形态相似的分子。
Stephen Zhewen Lu, Ziqing Lu, Ehsan Hajiramezanali 等