提出时间对齐方法，通过微调和提示提升LLaMa2模型2022年知识利用率，性能提升达62%。
Bowen Zhao, Zander Brumbaugh, Yizhong Wang 等
SelectIT利用LLM内在不确定性进行指令微调数据筛选，提升模型性能。
Liangxin Liu, Xuebo Liu, Derek F. Wong 等
Star-Searcher结合层级路径规划与视角聚类，实现复杂环境中无人机自主目标搜索，显著缩短路径与时间。
Yiming Luo, Zixuan Zhuang, Neng Pan 等
本研究系统评估大规模语言模型（如GPT、BERT）在多领域的应用潜力，特别关注健康、城市规划、气候与灾害管理。
Pravneet Kaur, Gautam Siddharth Kashyap, Ankit Kumar 等
提出CDD检测模型输出分布峰值，识别大模型数据污染，提升检测准确率21.8%-30.2%。
Yihong Dong, Xue Jiang, Huanyu Liu 等
NaVid是一种基于视频的视觉-语言导航模型，利用单目RGB摄像头实现无需地图或深度信息的自主导航，达到了最先进的性能。
Jiazhao Zhang, Kunyu Wang, Rongtao Xu 等
无噪声核岭回归（KRR）在目标函数平滑度和特征衰减下实现最优收敛率，揭示超平滑和饱和现象。
Jihao Long, Xiaojun Peng, Lei Wu
提出RoboEXP系统，通过交互探索生成动作条件场景图，融合几何、语义与关系信息。
Hanxiao Jiang, Binghao Huang, Ruihai Wu 等
GROS为 metric 空间中估计器的鲁棒融合策略，确保子高斯性和高破坏点。
Alejandro Cholaquidis, Emilien Joly, Leonardo Moreno
MACRec以多智能体协同重构推荐流程，覆盖4类任务。
Zhefan Wang, Yuanqing Yu, Wendi Zheng 等
提出EES方法，通过估计、外推和情境化技能能力，提升机器人任务成功率。
Nishanth Kumar, Tom Silver, Willie McClinton 等
提出tinyBenchmarks，通过少量示例（100个）高效估算LLMs在MMLU等基准上的性能，误差低于2%。
Felipe Maia Polo, Lucas Weber, Leshem Choshen 等
提出基于量子计算的上下文最优运输QontOT，解决条件分布学习难题。
Nicola Mariella, Albert Akhriev, Francesco Tacchino 等
CriticBench评估大型语言模型在推理批评与修正中的性能，涵盖五大领域，17模型实验显示线性关系与模型规模影响。
Zicheng Lin, Zhibin Gou, Tian Liang 等
提出MobileLLM，采用深而薄架构和参数共享，实现亚亿参数模型在移动端的高效性能。
Zechun Liu, Changsheng Zhao, Forrest Iandola 等
LLMBind框架通过双路径机制实现多模态任务整合，性能优异，扩展性强。
Bin Zhu, Munan Ning, Peng Jin 等
提出基于离散扩散的通用机器人策略，利用大规模无动作人类视频预训练，显著提升多任务表现。
Haoran He, Chenjia Bai, Ling Pan 等
提出Sliver滑动窗口数据流范式，有效提升直播推荐的时效性与准确性，实验显示CTR提升6.76%。
Fengqi Liang, Baigong Zheng, Liqin Zhao 等
提出OlympiadBench，涵盖8,476个奥赛级双语多模科学题，评估GPT-4V等模型的高阶推理能力。
Chaoqun He, Renjie Luo, Yuzhuo Bai 等
提出PGI与GELAN，改善信息流与参数利用，提升YOLOv9性能。
Chien-Yao Wang, I-Hau Yeh, Hong-Yuan Mark Liao