提出拓扑神经算子（TNO），在细胞复形上实现多尺度、多维度的偏微分方程算子学习，显著提升复杂几何域的预测精度。
Lennart Bastian, Samuel Leventhal, Mustafa Hajij 等
提出FASE，通过图结构和语义嵌入近似代码正确性，提升相关性25%，计算开销仅0.3%。
Shizhe Lin, Ladan Tahvildari
POTATR为一款29M参数的轻量级图像到图结构模型，显著提升页面级表格提取的效率与准确率。
Brandon Smock, Libin Liang, Max Sokolov 等
提出全自动时间序列预测架构，结合TimeTrack高频数据与本地采样，利用NAS自动生成高精度模型，有效缓解冷启动问题。
Abd Elghani Meliani, Arora Sagar, Adlen Ksentini 等
采用Quality-Diversity（QD）算法结合监督判别模型，探索音频生成中的创新引擎，利用多频段专用CPPN和MAP-Elites实现多样化音色创新。
Björn Þór Jónsson, Çağrı Erdem, Stefano Fasciani 等
提出干预感知变分量子可微预测控制（IA-VQC-DPC），通过安全归因协议显著降低建筑控制中的违规率，验证了量子策略的安全性和可控性。
Yifan Wang
提出Difference-Aware Retrieval Policies (DARP)，通过邻域差异重参数化提升行为克隆的鲁棒性，性能提升15-46%。
Quinn Pfeifer, Ethan Pronovost, Paarth Shah 等
通过对比Llama 3.1 8B模型前后RLHF的内部表示，揭示RLHF只实现浅层对齐，未去除偏见结构，反而压缩偏见信号变异。
Wendy K. Tam
提出AdvGRPO框架，结合密集多通道奖励和解耦优势归一，实现语言模型的攻防联合优化，提升攻击成功率和防御鲁棒性。
Blake Bullwinkel, Eugenia Kim, Amanda Minnich 等
Popcorn基准结合标题对齐的全片/预告嵌入与缩略图特征，评估多模态电影推荐中的视觉证据效果。
Ali Tourani, Fatemeh Nazary, Yashar Deldjoo 等
提出Agentopia框架，模拟10年长周期多智能体社会，利用生命奖励训练LLMs，提升社会行为和人类认知模拟能力。
Xintao Wang, Sirui Zheng, Hongqiu Wu 等
提出EmbedFilter，通过过滤未嵌入矩阵中的潜在子空间，提升LLMs文本嵌入性能，降低存储和加速检索。
Songhao Wu, Zhongxin Chen, Yuxuan Liu 等
采用个体任务框架，利用Perplexity的搜索与Computer数据，验证AI代理提升自动化、效率与工作范围的实证效果。
Jeremy Yang, Kate Zyskowski, Noah Yonack 等
提出CoMetaPNS，结合持续贝叶斯高斯混合模型，实现心脏电生理模拟的个性化持续元学习，显著提升预测精度与抗灾难性遗忘能力。
Ryan Missel, Xiajun Jiang, Linwei Wang
提出一种基于生理约束的肌骨神经网络（MSK-NN），利用部分sEMG数据实现多自由度关节运动估计，显著优于传统方法。
Wending Heng, Mingming Zhang, Glen Cooper 等
本研究提出基于稀疏自编码器（SAE）和激活空间引导策略，有效检测并降低Whisper模型在非语音输入中的幻觉率，从72.63%降至14.11%。
Georgii Aparin, Vadim Popov, Tasnima Sadekova 等
TEVI利用稀疏自编码器，通过文本条件筛选图像特征，显著提升CLIP模型的视觉-语言对齐和检索性能。
Sweta Mahajan, Sukrut Rao, Jiahao Xie 等
提出Transferability与Predictability扩展ISO 26262，提升自动驾驶系统的控制性与可预期性。
Chaitanya Shinde, Hadi Hajieghrary, Paul Schmitt 等
本论文提出以“观看、记忆、推理”为核心能力的多模态大模型视频理解框架，显著提升长视频的理解能力。
Jiahao Meng, Yue Tan, Qi Xu 等
提出基于模拟的模仿学习框架，自动生成多样化的手势示范，提升无生理信号的假肢抓取成功率至90%以上。
Kaijie Shi, Wanglong Lu, Huiling Chen 等