AnalogCoder通过无训练生成Python代码，实现模拟电路自动设计，成功率超20个电路。
Yao Lai, Sungyoung Lee, Guojin Chen 等
本研究分析向量值谱正则化算法的收敛速率，确认岭回归的饱和效应并提出最优上界。
Dimitri Meunier, Zikai Shen, Mattes Mollenhauer 等
提出Representation Noising（RepNoise）防御机制，有效阻止有害微调，保留模型能力。
Domenic Rosati, Jan Wehner, Kai Williams 等
LucidPPN通过分离颜色和其他视觉特征，提升了用户对计算机视觉模型的理解。
Mateusz Pach, Dawid Rymarczyk, Koryna Lewandowska 等
引入参数化世界知识模型（WKM）提升大语言模型在复杂任务中的全局与局部规划能力。
Shuofei Qiao, Runnan Fang, Ningyu Zhang 等
提出基于会员查询的0-1整数规划求解框架，结合主动学习学习线性约束，优化未知约束条件。
Rosario Messana, Rui Chen, Andrea Lodi 等
基于大语言模型的ChatScene，通过文本描述生成安全关键场景，提升自动驾驶安全性。
Jiawei Zhang, Chejian Xu, Bo Li
提出非确定性结构因果模型(NSCM)，通过多值函数改进反事实语义。
Sander Beckers
提出利用扩散模型学习多层潜变量的能量基先验，有效缓解采样难题。
Jiali Cui, Tian Han
提出EPN指导法和IMM滤波器，提升无人机空中拦截效率与精度。
Michal Pliska, Matouš Vrba, Tomáš Báča 等
提出跨层注意力（CLA）技术，通过共享邻层KV头，模型KV缓存减半，保持准确性。
William Brandon, Mayank Mishra, Aniruddha Nrusimha 等
提出能量风险框架，基于核方法学习扩散过程的无限小生成器，提供无维度依赖的谱估计界限。
Vladimir R. Kostic, Karim Lounici, Helene Halconruy 等
引入DIAMOND，基于扩散模型的世界模型在Atari表现优异，达成1.46人类归一化得分。
Eloi Alonso, Adam Jelley, Vincent Micheli 等
xFinder通过优化关键答案提取模块，提升LLM评估准确性，提取准确率达93.42%。
Qingchen Yu, Zifan Zheng, Shichao Song 等
FIFO-Diffusion利用预训练扩散模型实现无限长视频生成，无需额外训练。
Jihwan Kim, Junoh Kang, Jinyoung Choi 等
提出基于MDP的容错规划模型，考虑执行器失效概率，优化机器人应对故障策略。
Kyle Baldes, Diptanil Chaudhuri, Jason M. O'Kane 等
提出结合点云、NeRF等的3D-LLMs，提升空间理解能力。
Xianzheng Ma, Brandon Smart, Yash Bhalgat 等
采用多Q学习优化SAR无人机在复杂地形中的连接性，提升导航和通信性能。
Mohammed M. H. Qazzaz, Syed A. R. Zaidi, Desmond C. McLernon 等
Chameleon模型通过早期融合技术实现图像和文本的生成与理解，性能超越Llama-2。
Chameleon Team
提出科学生成代理（SGA）框架，结合LLMs与差分模拟实现物理科学发现，优化性能显著优于传统方法。
Pingchuan Ma, Tsun-Hsuan Wang, Minghao Guo 等