提出ID-unaware深度伪造检测模型，缓解隐式身份泄露，提升跨数据集泛化能力。
Shichao Dong, Jin Wang, Renhe Ji 等
PlanT利用对象级表示和Transformer架构，在CARLA长距离基准中达到了专家水平，推理速度提升5.3倍。
Katrin Renz, Kashyap Chitta, Otniel-Bogdan Mercea 等
算法蒸馏(AD)通过因果序列模型将RL算法转化为神经网络，提升数据效率。
Michael Laskin, Luyu Wang, Junhyuk Oh 等
提出SciFact-Open，利用模型融合策略在50万摘要中验证科学声明，F1下降超15。
David Wadden, Kyle Lo, Bailey Kuehl 等
采用强化学习（如DQN、UCB）优化语音识别和自然语言任务，提升模型适应性和效率。
Baihan Lin
提出EMF指标和新数据集，评估单目动态视图合成在无多视信号下性能下降1-2dB。
Hang Gao, Ruilong Li, Shubham Tulsiani 等
提出高保真神经音频压缩模型EnCodec，结合端到端训练和多尺度判别，压缩比提升40%，支持实时处理。
Alexandre Défossez, Jade Copet, Gabriel Synnaeve 等
通过变体GPT模型在奥赛洛（Othello）中预测合法走子，发现内部非线性世界表征，并用干预技术验证其因果作用。
Kenneth Li, Aspen K. Hopkins, David Bau 等
基于L5PC双点神经元的深度神经网络（MCC架构）实现能效提升62%，在多模态音视频处理表现优异。
Ahsan Adeel, Adewale Adetomi, Khubaib Ahmed 等
提出Code4Struct，利用代码生成实现少样本事件结构预测，显著提升性能。
Xingyao Wang, Sha Li, Heng Ji
提出MALI，结合标签信息的流形对齐方法，显著优于现有技术。
Andres F. Duque, Myriam Lizotte, Guy Wolf 等
利用大语言模型进行多项选择题回答，MCP方法在20个数据集上缩小与SOTA的差距。
Joshua Robinson, Christopher Michael Rytting, David Wingate
NeuPhysics通过单目视频学习3D几何和物理参数，实现可编辑的动态场景重建。
Yi-Ling Qiao, Alexander Gao, Ming C. Lin
本文提出结合句法预测的神经模型（基于CCG超标签）估算句法惊异度，发现仍低估人类处理困难，揭示预测之外的认知因素。
Suhas Arehalli, Brian Dillon, Tal Linzen
通过扩展任务数、模型规模和链式推理，显著提升Instruction-Finetuned模型性能。
Hyung Won Chung, Le Hou, Shayne Longpre 等
ReasonFormer通过模块化推理提升11个数据集的性能。
Wanjun Zhong, Tingting Ma, Jiahai Wang 等
提出基于微服务的脑启发式系统集成框架，解决异构系统通信与虚拟化问题。
Mattias Nilsson, Olov Schelén, Anders Lindgren 等
提出FRU方法实现联邦推荐模型的用户遗忘，存储本地更新以提高效率。
Wei Yuan, Hongzhi Yin, Fangzhao Wu 等
通过合成设置研究奖励模型过度优化的规模规律，发现不同优化方法的关系曲线不同，系数随参数规模平滑变化。
Leo Gao, John Schulman, Jacob Hilton
Museformer采用细粒度与粗粒度注意力机制，有效建模长序列音乐，提升结构还原能力。
Botao Yu, Peiling Lu, Rui Wang 等