提出离散流模型（DFM），在蛋白质共同设计中实现多模态生成，性能领先。
Andrew Campbell, Jason Yim, Regina Barzilay 等
引入时间变化蓝噪声，利用相关性提升扩散模型生成质量，超越纯高斯噪声。
Xingchang Huang, Corentin Salaün, Cristina Vasconcelos 等
提出基于动态图的深度强化学习方法，用于未知3D环境中的自适应路径规划，提升目标发现效率。
Apoorva Vashisth, Julius Rückin, Federico Magistri 等
提出InstructScene，结合语义图先验与布局解码器，实现指令控制的3D室内场景合成，显著优于SOTA。
Chenguo Lin, Yadong Mu
提出CLIF神经元模型，有效缓解LIF的时间梯度消失，提升SNN性能。
Yulong Huang, Xiaopeng Lin, Hongwei Ren 等
QuIP#通过Hadamard随机变换和E8晶格码本，实现极端低比特（≤4比特）LLM模型的最优量化，显著提升性能。
Albert Tseng, Jerry Chee, Qingyao Sun 等
ConsistI2V通过扩散模型提升图像到视频生成的一致性，实验显示显著改善。
Weiming Ren, Huan Yang, Ge Zhang 等
HarmBench是一个标准化评估框架，系统比较18种自动红队方法与33个LLMs，显著提升模型鲁棒性。
Mantas Mazeika, Long Phan, Xuwang Yin 等
Mamba能否学习如何学习？通过与Transformer比较，Mamba在稀疏奇偶学习任务中表现优异。
Jongho Park, Jaeseung Park, Zheyang Xiong 等
CogCoM通过链式操作推理实现视觉语言模型的精确推理，参数量17B，9个基准测试中表现优异。
Ji Qi, Ming Ding, Weihan Wang 等
MobileVLM V2采用创新架构和高质量数据，参数规模1.7B，性能优于同类3B模型。
Xiangxiang Chu, Limeng Qiao, Xinyu Zhang 等
利用线性探针区分模型的认知不确定性与数据本身的随机性，准确率超过0.9。
Gustaf Ahdritz, Tian Qin, Nikhil Vyas 等
提出投影扩散模型（PDM），通过迭代投影实现约束条件下的高保真生成，适用于材料、运动、路径规划等复杂场景。
Jacob K Christopher, Stephen Baek, Ferdinando Fioretto
DeepSeekMath 7B通过120B数学相关tokens和GRPO算法，显著提升开源模型数学推理能力，接近GPT-4表现。
Zhihong Shao, Peiyi Wang, Qihao Zhu 等
引入Direct-a-Video，实现多对象和相机运动的解耦控制，无需额外优化。
Shiyuan Yang, Liang Hou, Haibin Huang 等
Video-LaVIT通过解耦视觉-运动标记化实现统一视频-语言预训练，在13个多模态基准上表现优异。
Yang Jin, Zhicheng Sun, Kun Xu 等
研究表明，通过提示工程和指令微调，大语言模型在表格事实验证任务中表现出潜力。
Hanwen Zhang, Qingyi Si, Peng Fu 等
PoCo利用扩散模型实现多模态、多任务的机器人策略组合，提升泛化能力。
Lirui Wang, Jialiang Zhao, Yilun Du 等
提出DeCoF模型，通过帧一致性检测AI生成视频，适应不同模型，检测率显著提升。
Long Ma, Zhiyuan Yan, Qinglang Guo 等
BetterV通过微调大模型结合判别器，实现Verilog自动生成与优化。
Zehua Pei, Hui-Ling Zhen, Mingxuan Yuan 等