Fortunate Recall通过10+1行为本体和生命周期策略，提升LLM记忆管理精度，LifecycleBench得分76.9%。
Ansuman Mullick, Eray Tüzün
FreqFM通过频率条件化流匹配提升VLA模型性能，在LIBERO-Plus上提升9.3分。
Haochen Niu, Shengye Dong, Hao Liu 等
MOONWALK通过意图-证据-行动对齐框架优化动画/VFX前期制作中的审查流程，显著提升意图传递和任务执行效率。
Shih-Yu Lai, Wen-Fan Wang, Sai Ling 等
DRiF框架通过数据驱动风险场实现更安全的端到端自动驾驶，在Bench2Drive上提升驾驶分数88.78。
Yuanxin Tian, Zhiyuan Liu, Jinhao Li 等
PACE框架通过感知延迟优化对话服务，P95延迟从0.53秒降至0.29秒。
Lin Huang, Yujuan Tan, Weisheng Li 等
调查视频大语言模型(VideoLLMs)推理效率机制，分析帧采样、模态编码等方法对计算成本的减少。
Killian Steunou, Yannis Tevissen, Mounîm A. El Yacoubi
提出信度感知多模态融合框架CAMF，实现工业人机协作中91.86%的意图识别准确率。
Xinyu Liu, Qiqi Dong, Boya Jia 等
Motar方法通过低维运动空间融合条件，实现15.4 FPS的高保真流式说话人头生成。
Yanru An, Ruiyan Wang, Wenwu Wei 等
ScopeMamba-YOLO通过外部和内部扩展感知范围，在遥感图像中提升小目标检测精度，mAP50提升10.8个百分点。
Junjie Fan, Yijun Mai, Linduo Wei 等
SDT结合几何视觉、类别自适应融合与效价–唤醒先验，提升MELD/IEMOCAP的加权F1至75.93/74.11%。
Oriol Marín, Roger Marí, Gloria Haro 等
TeethGNN融合CBCT、ANB/MP-FH与图校准，准确率77.08%，AUC 89.61%。
Zhichun Jin, Zhicheng He, Hao Xu 等
SocialRL用多轮PPO与动态过程奖励提升社会对话目标达成率，平均提高9.2个百分点。
Jianing Wang, Xintao Wang, Aili Chen 等
MotionBlind揭示Video-LLMs无法准确理解视频中的运动，Gemini3.1 Pro是唯一通过的模型。
Dhairya Bhatia, Bishoy Galoaa, Oliver Fritsche 等
VANTAGE-Bench评估视觉语言模型在基础设施AI中的差距，揭示模型在事件验证和时间定位任务上的不足。
Zaid Pervaiz Bhat, Nimra Nayyar, Arihant Jain 等
ActionSplice通过Counterfactual State Transport实现飞行中动作编辑，显著降低LPIPS误差，提升响应速度。
Pardis Taghavi, Tingyu Guo, Jonas Lossner 等
FlexMoGen框架结合自然语言和风格参考生成高质量人类动作。
Kai Weixian Lan, Bodie Criswell, Briana Fedkiw 等
LLM数字孪生通过统计可替代性减少人类测量，但行为忠实度并不充分。
Steven Wang, Kyle Hunt, Shaojie Tang 等
Kalman Delta Networks通过显式不确定性建模改进线性注意力，提升了750M和1.3B参数模型的困惑度和准确率。
Ngoc Bui, Tinglin Huang, Rex Ying
Online Draft Co-Training结合Zigzag Ring与TapChannel，实现最高1.88倍端到端加速。
Zili Wang, Zhaopeng Qiu, Yuekai Zhang 等
CantoneseLLM v2结合CPT、DPO与RLVR，在HKCanto-Eval达73.16分并实现粤语繁体推理。
Tsz Chung Cheng, Chung Shing Cheng, Chaak Ming Lau 等