SharpAP方法显著提高推荐系统注入攻击的可转移性，实验显示在多个数据集上性能提升。
Junsong Xie, Yonghui Yang, Pengyang Shao 等
ReCast框架在生成推荐中提升Pass@1达36.6%，优化稀疏命中信号。
Peiyan Zhang, Hanmo Liu, Chengxuan Tong 等
通过影响函数梯度实现凹统计效用最大化的多臂老虎机算法。
Matías Carrasco, Alejandro Cholaquidis
ESPRESSO框架在Solid环境中实现了可扩展的关键词搜索，提供细粒度的可见性约束和隐私保障。
Mohamed Ragab, Faria Ferooz, Mohammad Bahrani 等
LTBs-KAN通过线性时间复杂度的B样条计算提升KAN的效率。
Eduardo Said Merin-Martinez, Andres Mendez-Vazquez, Eduardo Rodriguez-Tello
Lsys编码在神经网络进化中表现优异，食物计数达到3802，超越Matrix编码。
Alexander Stuy, Nodin Weddington
EVENT5Ws：一个用于文档开放域事件抽取的大型数据集，提供手动注释和统计验证。
Praval Sharma, Ashok Samal, Leen-Kiat Soh 等
引入“锐度维度”来解释边缘稳定性下的泛化性能提升。
Mario Tuci, Caner Korkmaz, Umut Şimşekli 等
研究无限宽随机神经网络在球面上的函数波动，揭示三种极限行为。
Simmaco Di Lillo, Leonardo Maini, Domenico Marinucci
提出Safe EWC和CF-EWC算法，在非平稳环境中实现安全的持续强化学习。
Austin Coursey, Abel Diaz-Gonzalez, Marcos Quinones-Grueiro 等
FASTER方法通过在去噪过程中早期筛选动作样本，降低了计算成本，同时保持了强化学习的性能。
Perry Dong, Alexander Swerdlow, Dorsa Sadigh 等
VLA Foundry：一个统一的视觉-语言-动作模型训练框架，提升多任务桌面操作策略性能。
Jean Mercat, Sedrick Keh, Kushal Arora 等
对抗训练下的视觉Transformer在适度扰动预算下实现了近零鲁棒训练损失和鲁棒泛化误差。
Jiaming Zhang, Meng Ding, Shaopeng Fu 等
通过自然语言和符号视图对齐，发现LLM的共享逻辑子空间，提高逻辑推理准确率达11%。
Feihao Fang, My T. Thai, Yuanyuan Lei
通过联合模拟框架评估虚拟电厂调度算法在智能配电系统中的性能，揭示通信延迟对控制效果的显著影响。
Houchao Gan
使用行列式点过程优化蒙特卡罗积分，提升估计器的方差收敛速度。
Guillaume Gautier, Rémi Bardenet, Michal Valko
A-MAR框架通过结构化推理计划提升艺术品多模态检索的解释质量。
Shuai Wang, Hongyi Zhu, Jia-Hong Huang 等
InsightGen生成多样且相关的见解，提升开放式文档问答体验。
Saransh Sharma, Pritika Ramu, Aparna Garimella 等
Mask World Model通过预测语义掩码而非像素，提升机器人策略学习的鲁棒性，在LIBERO和RLBench中表现优异。
Yunfan Lou, Xiaowei Chi, Xiaojie Zhang 等
MATCH方法在高噪声环境下的插销任务中成功率提高35%，平均施加力减少30%。
Hunter L. Brown, Geoffrey Hollinger, Stefan Lee