提出ebc-exstream方法，利用模型解释和人类反馈检测概念漂移中的虚假相关，降低注释成本。
Cristiana Lalletti, Stefano Teso
OriGen通过代码增强和自我反思技术提升RTL代码生成性能，超越开源模型和部分商业模型。
Fan Cui, Chenyang Yin, Kexing Zhou 等
提出CMR，结合逻辑规则记忆实现可验证的概念基础推理，提升准确性与解释性。
David Debot, Pietro Barbiero, Francesco Giannini 等
提出SNIGL模型，结合PNS提取必要充分不变子结构，提升图OOD泛化。
Xuexin Chen, Ruichu Cai, Kaitao Zheng 等
AutoVCoder通过高质量数据、双轮微调和RAG技术提升Verilog生成准确性。
Mingzhe Gao, Jieru Zhao, Zhe Lin 等
基于Latent Diffusion的开源音频生成模型，性能与SOTA相当，支持44.1kHz立体声。
Zach Evans, Julian D. Parker, CJ Carr 等
提出噪声选择与优化算法，基于逆向稳定性显著提升扩散模型生成质量。
Zipeng Qi, Lichen Bai, Haoyi Xiong 等
利用强化学习（如PPO、路径一致性学习）微调扩散模型以最大化特定奖励，适用于生物序列和图像生成。
Masatoshi Uehara, Yulai Zhao, Tommaso Biancalani 等
提出三种方法预测LLMs最优词汇规模，发现大模型需配备更大词汇。
Chaofan Tao, Qian Liu, Longxu Dou 等
提出MEDIC系统，结合Disentangled Inversion Control实现零-shot音乐编辑，显著提升内容保持与编辑保真度。
Huadai Liu, Jialei Wang, Xiangtai Li 等
MLSA4Rec结合Mamba与低秩自注意力，提升推荐准确性。
Jinzhao Su, Zhenhua Huang
SharpBalance用自适应数据子集平衡平坦度与多样性，在CIFAR-10上达76.12%准确率。
Haiquan Lu, Xiaotian Liu, Yefan Zhou 等
R+X利用视觉语言模型从未标注的人类日常视频中检索行为片段，并通过零样本模仿学习实现机器人技能，免训练。
Georgios Papagiannis, Norman Di Palo, Pietro Vitiello 等
VD3D提出基于Plücker坐标的时空摄像机嵌入，控制大规模视频变换器实现3D摄像机运动。
Sherwin Bahmani, Ivan Skorokhodov, Aliaksandr Siarohin 等
提出LMMS-EVAL、LMMS-EVAL LITE与LIVEBENCH，覆盖50+任务，解决多模模型评估中的三难困境。
Kaichen Zhang, Bo Li, Peiyuan Zhang 等
提出OPZO训练方法，仅需单次前向传播，性能媲美空间反向传播，适合神经形态硬件。
Mingqing Xiao, Qingyan Meng, Zongpeng Zhang 等
Case2Code任务通过大规模合成数据提升代码生成性能。
Yunfan Shao, Linyang Li, Yichuan Ma 等
本文提出STAD，基于贝叶斯滤波的时序状态空间模型，有效应对逐步演变的时间序列分布偏移。
Mona Schirmer, Dan Zhang, Eric Nalisnick
ProtoFlow结合概念网络和生成分类器，实现可解释性和可逆性，达到99.36%的准确率。
Zachariah Carmichael, Timothy Redgrave, Daniel Gonzalez Cedre 等
NeedleBench框架评估LLM在不同信息密度下的检索与推理能力，揭示模型在信息稠密任务中的不足。
Mo Li, Songyang Zhang, Taolin Zhang 等