研究提出稀疏QROM的T计数优化，达到Θ(√sm + √sn)的界限。
Tongyang Li, Fengning Ou, Xinzhao Wang 等
本研究系统评估194个视觉-语言模型在偏差鲁棒性上的表现，发现模型规模对多属性偏差影响有限，数据质量更关键。
Ioannis Sarridis, Ioannis Kompatsiaris, Symeon Papadopoulos
LM-GRASP通过在线模仿学习，利用Transformer生成实例特定的组合优化解，超越传统启发式。
Mohand Mezmaz, Grégoire Danoy
CCFormer结合跨域特征交互与层级序列压缩，提升工业推荐模型性能，达成3.57%CTR增长。
Yunlong Wang, Huizhe Zhang, Haonan Hu 等
VIG-RL通过强化学习实现动态搜索与插入，显著提升验证图像定位性能。
Qinhan Yu, Jun Guang, Chong Chen 等
Flux-OPD通过演化上下文，利用逆KL分解实现稳定的开域知识蒸馏，优于现有OPD方法。
Yuran Wang, Zekun Wang, Bohan Zeng 等
提出一种用户基础模型，通过自监督学习提升开放网络的点击率预测，CTR提高2.13%。
Solal Vernier, Ivan Can Arisoy, Merwan Barlier 等
MMLDSum-LLM通过视觉对齐和关键词感知提高长文档摘要的跨模态一致性。
Xianpeng Zhang, Jiahua Yang, Dongyu Chen 等
SKIMIX结合多智能体技能检索与反稀释路由，显著提升开放式数学推理性能。
Jia Luo
提出STEREODISCO框架，利用语义差异法系统识别大模型中的刻板印象，发现超出社会心理研究的语义轴。
Farane Jalali Farahani, Corina Dima, Mojtaba Nayyeri 等
提出扩展-压缩框架，通过多教师策略蒸馏提升推理能力，Qwen3-1.7B模型在数学推理等领域提升2.0%-8.3%。
Songshuo Lu, Zhi Chen, Yaohua Tang
ROCS通过延迟请求-候选交互提高推荐效率，提升3倍QPS。
Yuxin Chen, Liang Luo, Buyun Zhang 等
SpatialCLI通过三阶段学习，将空间工具的感知能力内化，提升VLM的空间推理能力，实验中从29.3%提升至84.6%。
Yang Zhou, Zixuan Huang, Sunzhu Li 等
提出了源中心状态演化（SCSE）方法，在WikiText-103上提升了循环质量。
Bum Jun Kim, Kohei Hayashi, Shunsuke Kamiya 等
GAMER通过动作中心图模型结合TD学习，提升推理效率20.81%。
Xu Zheng, Chaohao Lin, Zhuomin Chen 等
提出特权自蒸馏(PSD)框架，提升序列推荐性能，显著提高HR@20和NDCG@20。
Jiakai Tang, Yang Zhang, See-Kiong Ng 等
提出双目标代理模型指导神经集成搜索，显著提升多样性与性能。
Alexandr Udeneev, Petr Babkin, Oleg Bakhteev
提出“地平线残差”指标，基于短阶段预测评估长远任务失败原因。
Chao Peng, Zhiheng Lyu, Peijie Dong 等
DuPLeR利用双路径结构推理，结合多模态LLM先验，提升少样本知识图谱补全效果。
Jinlan Liu, Zhiying Tu, Yongchao Xing 等
提出DASH，结合跨域历史和思考轨迹，提升广告用户模拟的决策感知能力。
Zipeng Chen, Jiaer Zheng, Xiangyang Xu 等