bioMoR通过生物学指导的递归混合提高基因组学习效率，提升8.2%宏F1。
Koushik Howlader, Tirtho Roy, Md Tauhidul Islam 等
提出“视距差距”概念，分析长时任务中LLM的规划、记忆、执行等问题，基于1547篇论文总结解决方案。
Mingguang Chen, Licheng Wang, Bo Qu
提出SYF，基于LLM的交互推荐系统，实现多模态实时内容调控。
Ziyun Xu, Bosen Ding, Yue Zhang 等
提出一种基于自我条件生成预测的主动交互感知路径积分方法，提升交通密集场景中的安全性和效率。
Khaled A. Mustafa, Mohamed-Khalil Bouzidi, Christian Schlauch 等
引入块混合注意力，将LLaDA 2.1-mini的6层层替换为线性注意，提升1.7倍推理速度。
Jinha Kim, Younghun Roh, Jaeyeon Kim
本研究比较程序化工具调用（PTC）与原生JSON调用，在14个模型中，PTC在BFCL v4上提升了10.6%的准确率，表现稳定。
Ishan Patel, Sahil Sen, Elias Lumer 等
本文分析静态与演变数据中解释方法的评估挑战，提出基于偏差检测和概念漂移的改进策略。
Jerzy Stefanowski
Tytan结合符号分析与LLM推理，自动构建关系数据库的语义架构，提升数据理解与分析能力。
Donna Hooshmand, Shubham Shahi, Cameron Barrie 等
提出无参考指标评估对话基准的质量，涵盖一致性、复杂性和覆盖度，验证通过多模型生成和人为标注，显著区分基准质量。
Noam Koren, Roy Bar-Haim, Abigail Goldsteen
提出GB/T-Bench和GB/T-Reviewer，利用层级化错误分类和多智能体协作显著提升国家标准文档规则审查能力。
Tao Wang, Qihao Yang, Rongjiao Liang 等
提出基于排名的奖励构建（RRC）方法，通过相对偏好排名提升生成奖励模型在强化学习中的表现，实验显示在多个任务上均优于传统方法。
Chenglong Wang, Ziming Zhu, Yifu Huo 等
引入HarnessOpt-Bench基准，评估5个前沿大型语言模型在昂贵且随机的全流程 harness 优化中的表现，揭示模型差异和潜在提升空间。
Varun Ursekar, Apaar Shanker, Yash Maurya 等
CAV与TopK SAE审计显示：概念可恢复性不等于对评分的实际影响。
Arya Labroo, Mengjie Qian, Kate Knill
提出SG-TULA算法，直接在次梯度上操作，解决非凸、非光滑、超线性增长问题，提供非渐近收敛保证。
Iosif Lytras, Nikolaos Makras, Sotirios Sabanis
提出ErgoSurf结合在线高斯过程隐式表面与Ergodic控制，实现未知表面系统覆盖与几何重建，误差接近地面真值。
Stefan Schneyer, Timo Bachmann, Maged Iskandar 等
提出Prior-SG，通过任务和先验信息将场景图生成作为概率对齐问题，结合多尺度特征融合与图优化实现复杂环境中的区域分割。
Giorgio Tonetti, Laurent Kneip, Abel Gawel 等
提出可验证的正则性准则，基于条件密度正则性分析CEOs和CMEs的映射性质，应用于非参数回归、贝叶斯逆问题和Koopman算子。
Maximiliano Hertel, Ilja Klebanov, Manuel Schaller 等
提出一种查询最优算法模拟时间依赖哈密顿量，误差为ε时需O(αT+log(1/ε)/log(e+log(1/ε)/(αT)))次查询。
Boyang Chen, Minbo Gao, Xinzhao Wang 等
提出Gated Hindsight Distillation（GHD），利用下一截图作为训练中的特权信息，显著提升移动GUI代理的任务成功率。
Weiwei Li, Junzhuo Liu, Tong Chu 等
提出TensorCast，解耦张量生命周期管理，提升LLM基础设施的可重用性与扩展性。
Yuhan Zhou, Yuchu Luo, Hao Nie 等