提出BadRobot，通过操控 embodied LLM 实现对机器人安全限制的突破，评估其在真实环境中的攻击效果。
Hangtao Zhang, Chenyu Zhu, Xianlong Wang 等
论文以MidEast-TE-mini评测图、文及混合LLM预测，发现GPT-4抽取事件达72.6%，文本微调和RAG最有潜力。
He Chang, Chenchen Ye, Zhulin Tao 等
提出统一的随机映射框架分析分词模型，确保统计估计一致性。
Juan Luis Gastaldi, John Terilla, Luca Malagutti 等
提出VISA模型实现基于大语言模型的复杂视频目标推理与分割，显著优于现有方法。
Cilin Yan, Haochen Wang, Shilin Yan 等
提出FLAMe，基于多任务人类评价数据训练的通用大规模自动评估模型，显著优于专有数据模型。
Tu Vu, Kalpesh Krishna, Salaheddin Alzubi 等
本研究评估LLMs非确定性，发现贪婪解码优于采样，揭示潜在潜能。
Yifan Song, Guoyin Wang, Sujian Li 等
提出MTAD框架结合辅助模型实现多Token联合解码，显著提升效率与效果。
Zongyue Qin, Ziniu Hu, Zifan He 等
引入非欧几里得几何、拓扑和代数结构，扩展机器学习方法，应用于复杂结构化数据。
Mathilde Papillon, Sophia Sanborn, Johan Mathe 等
引入SPIQA数据集，结合多模态大模型理解科研图表，提出链式推理策略，显著提升科研文献理解能力。
Shraman Pramanick, Rama Chellappa, Subhashini Venugopalan
FANet利用AFE模块结合SCM和FRM，提升复杂场景下语义分割性能，达成最新效果。
Muhammad Ali, Mamoona Javaid, Mubashir Noman 等
IGOR以LLM规划、PPO执行，在IGLU与Crafter实现语言驱动的分层控制。
Zoya Volovikova, Alexey Skrynnik, Petr Kuderov 等
LightenDiffusion结合Retinex理论与扩散模型，实现无监督低光图像增强，性能超越现有方法。
Hai Jiang, Ao Luo, Xiaohong Liu 等
AIR-Bench 2024基于法规风险类别，构建314个细粒度安全评估指标，评测模型安全性。
Yi Zeng, Yu Yang, Andy Zhou 等
MAGNET采用多语言脚本特定边界预测器，减少非拉丁字符的过度分割，提升模型效率与公平性。
Orevaoghene Ahia, Sachin Kumar, Hila Gonen 等
EfficientQAT结合Block-AP和E2E-QP，显著提升大模型低比特量化性能，减少训练时间。
Mengzhao Chen, Wenqi Shao, Peng Xu 等
PaliGemma结合SigLIP-So400m和Gemma-2B，参数3B，展现广泛迁移能力。
Lucas Beyer, Andreas Steiner, André Susano Pinto 等
提出知识增强技术，在低延迟推理中利用远程大模型提供延迟提示，提升小模型性能，最大提升达3.53dB。
Vidya Srinivas, Malek Itani, Tuochao Chen 等
提出SEA框架，结合GPT-4标准化、多模型评估与自我校正，提升论文评审质量。
Jianxiang Yu, Zichen Ding, Jiaqi Tan 等
基于多模态大模型和世界模型，系统分析 embodied AI 的感知、交互与迁移能力。
Yang Liu, Weixing Chen, Yongjie Bai 等
提出EVI-MAE方法，结合视频和IMU数据，提升动作识别准确率达92.78%。
Mingfang Zhang, Yifei Huang, Ruicong Liu 等