ProtoX-AD是一种基于原型的自解释时间序列异常检测框架，利用变换感知的潜在表示实现与黑箱模型相当的检测性能。
Aitor Sánchez-Ferrera, Elisabeth Wetzer, Kristoffer Wickstrøm 等
本文提出DIRECT，通过多模态场景上下文动态分配测试时计算资源，有效提升机器人规划性能，降低65%的延迟。
Jadelynn Dao, Milan Ganai, Yasmina Abukhadra 等
VLGA引入密集3D几何专家，通过LiDAR监督实现 dense pointmap 重建，显著提升自动驾驶安全性和精度。
Jin Yao, Dhruva Dixith Kurra, Tom Lampo 等
提出基于Transformer的DAR-Net模型，结合像素级场景监督，识别水下多人与机器人合作中的六类潜水员活动，利用首个水下潜水员活动数据集UDA，显著优于现有模型。
Sadman Sakib Enan, Junaed Sattar
提出Turbo-Inference策略，通过迭代利用检测与分割的互补信息，显著提升COCO、Cityscapes等数据集的检测和分割性能。
Zhen Zhao, Gang Zhang, Xiaolin Hu 等
提出Bebop，通过TV损失和拒绝采样显著提升RL训练中MTP接受率，达95%并实现1.8倍加速。
Yucheng Li, Huiqiang Jiang, Yang Xu 等
本研究比较xLSTM、Mamba-2和Gated DeltaNet三种子二次架构，验证xLSTM在复杂任务中的优越性，核心在于其稳健的状态追踪与记忆累积。
Anamaria-Roberta Hartl, Levente Zólyomi, David Stap 等
提出Latent World Recovery（LWR）框架，有效应对多模态数据中的缺失问题，通过模态特定嵌入在共享潜在空间中对齐，实现缺失模态的鲁棒预测。
Hui Wang, Tianyu Ren, Joseph Butler 等
基于MARUS的虚拟海试框架，通过命令-执行追溯实现IMO/ITTC标准的USV转向性能数据采集与系统识别。
Paria Rezayan
提出数据中介模型解决AI市场中的创作激励与模型性能双重失灵问题，结合静态与动态分析，优化激励机制。
Yan Dai, Maryam Farboodi, Negin Golrezaei 等
提出RankGuard，基于用户私有点击历史的去中心化OLTR防御机制，确保模型收敛且抗污染。
Marcel Gregoriadis, Martijn de Vos, Sayan Biswas 等
本论文提出基于元数据感知的多提示推理框架，用于零样本监控视频事故理解，显著提升CVPR基准的综合评分。
Tarandeep Singh, Soumyanetra Pal, Soham Biswas 等
本文从机器学习视角分析动力系统中的不确定性，区分了内在随机性(aleatoric)与知识缺乏(epistemic)，并探讨其在不同任务中的作用。
Yusuf Sale, Christopher Bülte, Felix Czaja 等
本论文提出两种在标签偏移下校准贝叶斯预测的策略：事后校准和训练中适应，验证其在合成数据中的有效性。
Seungjin Choi
提出Next Forcing多块预测框架，提升高帧率视频生成的训练速度和准确性，达成94.1% RoboTwin成功率。
Gangwei Xu, Qihang Zhang, Jiaming Zhou 等
提出AMNet实现低光视频增强的模态无关推理，支持缺失模态，性能优于现有方法。
Hangfeng Liang, Yutao Hu, Yanhan Hu 等
提出EEVEE框架，通过路由器和提示集实现多数据集测试时提示学习，提升模型在异质任务流中的鲁棒性，平均提升10.38-24.32分。
Weixian Xu, Shilong Liu, Mengdi Wang
提出Data2Story多智能体框架，将数据转化为可验证的多模态新闻，强调证据追溯和互动性。
Kevin Qinghong Lin, Batu EI, Yuhong Shi 等
本论文提出反馈对齐机制在自蒸馏中的作用，通过三种反馈设计（二元奖励、参考解、逐步批评）验证，结构对齐显著提升性能。
Semih Kara, Oğuzhan Ersoy
本文将GP-UCB与DEC在RKHS带宽中的算法复杂度与极小极大复杂度统一在MAIR框架下，揭示两者的本质差异。
Yunbei Xu