SLGM模型通过损失校准和格式化解码提升结构预测，显著提高<1B参数模型性能。
Minho Lee, Junghyun Min, Yerang Kim 等
提出目标得分匹配（TSM），利用已知目标分数改善低噪声估计，提升Diffusion模型性能。
Valentin De Bortoli, Michael Hutchinson, Peter Wirnsberger 等
提出基于Scrum的公平性敏捷研发框架，结合多项工具实现AI与机器人项目中的权益保障。
Andrew Hundt, Julia Schuller, Severin Kacianka
提出THE COLOSSEUM基准，评估机器人操作在14类环境扰动下的泛化能力，发现成功率下降30-50%。
Wilbert Pumacay, Ishika Singh, Jiafei Duan 等
提出细粒度MoE的扩展比例与缩放定律，优化训练配置，超越密集Transformer。
Jakub Krajewski, Jan Ludziejewski, Kamil Adamczewski 等
PIVOT通过迭代视觉优化，将VLMs应用于零样本机器人控制与空间推理。
Soroush Nasiriany, Fei Xia, Wenhao Yu 等
AIR-Bench基准评估大型音频-语言模型的音频理解与生成能力，涵盖19项任务和2000个开放式问答。
Qian Yang, Jin Xu, Wenrui Liu 等
提出滚动扩散模型，通过滑动窗口逐步引入噪声，优于标准扩散，适用于复杂时间动态。
David Ruhe, Jonathan Heek, Tim Salimans 等
提出平行预算控制A/B测试，结合市场分割，利用FPPE偏差校正实现偏差与方差优化。
Luofeng Liao, Christian Kroer, Sergei Leonenkov 等
GALA3D利用LLMs生成布局，通过布局引导的高质量3D高斯点云实现复杂场景重建。
Xiaoyu Zhou, Xingjian Ran, Yajiao Xiong 等
通过半结构化访谈和观察，分析导盲犬与携行者的互动，提出机器人导盲的设计要点。
Hochul Hwang, Hee-Tae Jung, Nicholas A Giudice 等
提出辩论机制提升弱模型评估强模型的正确性，非专家模型达76%准确率。
Akbir Khan, John Hughes, Dan Valentine 等
InternLM-Math结合链式推理、奖励模型和形式证明，达成SOTA性能。
Huaiyuan Ying, Shuo Zhang, Linyang Li 等
提出iDEM算法，通过能量匹配实现高维能量系统的无样本采样，训练速度提升2-5倍。
Tara Akhound-Sadegh, Jarrid Rector-Brooks, Avishek Joey Bose 等
SPHINX-X通过模型参数和数据规模扩展，提升多模态大模型性能，涵盖多领域任务。
Dongyang Liu, Renrui Zhang, Longtian Qiu 等
提出WebLINX，基于多轮对话的真实网站导航，利用检索模型优化HTML元素选择。
Xing Han Lù, Zdeněk Kasner, Siva Reddy
提出夹层压缩架构，将标准编码器包裹在神经网络前后，显著提升压缩性能。
Onur G. Guleryuz, Philip A. Chou, Berivan Isik 等
提出UAV-Rain1k数据集，结合Blender模拟雨滴，评估多种图像去雨算法，揭示现有方法局限。
Wenhui Chang, Hongming Chen, Xin He 等
UFO利用GPT-Vision实现Windows应用无缝交互，显著提升用户请求完成效率。
Chaoyun Zhang, Liqun Li, Shilin He 等
本报告介绍多语种E5文本嵌入模型，基于对10亿多语料对的对比预训练，结合高质量标注数据微调，性能在多项基准中领先。
Liang Wang, Nan Yang, Xiaolong Huang 等