提出基于问答对的知识库（QEDB），结合问答生成与实体链接，提升复杂查询能力。
Wenhu Chen, William W. Cohen, Michiel De Jong 等
引入Autocast数据集，结合新闻语料，利用大模型进行未来事件预测，准确率远低于专家水平。
Andy Zou, Tristan Xiao, Ryan Jia 等
ROT算法通过正则化的最优传输加速模仿学习，达到专家性能的90%速度提升7.8倍。
Siddhant Haldar, Vaibhav Mathur, Denis Yarats 等
基于动态神经辐射场的单视点多模态软组织三维重建，显著优于现有方法。
Yuehao Wang, Yonghao Long, Siu Hin Fan 等
本文证明神经网络通过梯度下降能学习高维低阶多项式表示，样本复杂度显著优于核方法。
Alex Damian, Jason D. Lee, Mahdi Soltanolkotabi
提出基于数据剪枝的超越幂律的神经网络误差缩减方法，实验证明可实现指数级缩放。
Ben Sorscher, Robert Geirhos, Shashank Shekhar 等
提出基于原子中心预测的电子密度模型，结合梯度优化实现高精度，适用于液态水和QM9数据集。
Andrea Grisafi, Alan M. Lewis, Mariana Rossi 等
提出结构熵引导的图层次池化方法SEP，避免局部结构损伤，提升图分类和节点分类性能。
Junran Wu, Xueyuan Chen, Ke Xu 等
提出HO-GCN模型结合物体动态描述符，预测人-大物体交互未来状态，提升泛化能力。
Weilin Wan, Lei Yang, Lingjie Liu 等
VPT通过少量标注逆动力学模型，利用海量无标注视频实现Minecraft行为预训练，具备零-shot能力。
Bowen Baker, Ilge Akkaya, Peter Zhokhov 等
提出行为变换器（BeT），通过动作离散化和多任务校正，成功模拟多模态人类行为。
Nur Muhammad Mahi Shafiullah, Zichen Jeff Cui, Ariuntuya Altanzaya 等
本研究通过合成高质量数据集，评估GAN和扩散模型的FID、IS与经典f-散度的相关性，发现后者更稳定。
Eyal Betzalel, Coby Penso, Aviv Navon 等
提出基于局部平滑的接触模型实现全局路径规划，结合随机平滑与凸优化，显著提升复杂接触操作效率。
Tao Pang, H. J. Terry Suh, Lujie Yang 等
PlanBench基于IPC域评估大语言模型的规划与变化推理能力，揭示其在计划生成等关键任务中的短板。
Karthik Valmeekam, Matthew Marquez, Alberto Olmo 等
BEVDepth通过显式深度监督显著提升多视角3D检测的深度估计，达60.9% NDS。
Yinhao Li, Zheng Ge, Guanyi Yu 等
提出离散Langevin采样器（DLP），实现高维离散分布的梯度采样，零偏差，优于传统方法。
Ruqi Zhang, Xingchao Liu, Qiang Liu
Nocturne为多智能体驾驶引入高效2D模拟，支持部分观察，速度超2000步/秒。
Eugene Vinitsky, Nathan Lichtlé, Xiaomeng Yang 等
SafeBench整合8类安全场景与4种算法，评估自动驾驶安全性。
Chejian Xu, Wenhao Ding, Weijie Lyu 等
提出UniCRS，基于知识增强的提示学习，实现统一的对话推荐系统，显著提升推荐与对话一致性。
Xiaolei Wang, Kun Zhou, Ji-Rong Wen 等
提出嵌套指数权重算法（NEW），有效应对相似性结构下的多臂赌博机问题，获得渐近无后悔界。
Matthieu Martin, Panayotis Mertikopoulos, Thibaud Rahier 等