本文提出基于LLM引导的MAP-Elites演化方法，用于优化医疗决策流程，包括急诊分诊、互动咨询和医学影像分类，显著提升性能。
Ivan Sviridov, Artem Oskin, Ivan Panin 等
提出基于约束优势集的多模态长文问答检索方法，在VisDoMBench上达成66.99的最新SOTA，显著优于传统相似度排名。
Ambuj Mehrish, Sebatiano Vascon
提出SES，无需训练数据，通过方程残差优化，成功恢复代数与微分方程的符号解。
Sergei Garmaev, Vinay Sharma, Olga Fink
提出Code2LoRA，通过超网络为代码模型生成特定适配器，提升在软件演化中的表现，静态和动态两场景均达优异效果。
Liliana Hotsko, Yinxi Li, Yuntian Deng 等
提出RP-Regret指标，结合优化算法实现对抗性环境中的策略最小化，提升合作与均衡效果。
Mingyang Liu, Asuman Ozdaglar, Tiancheng Yu 等
PAR3D提出基于部件感知的3D多模态大模型，利用ScenePart数据集显著提升细粒度场景理解能力。
Shaohui Dai, Yansong Qu, You Shen 等
提出复杂度平衡扩散切分（CBS），通过Dirichlet能量和轨迹加速度估算局部复杂度，有效提升生成质量约35%。
Noam Issachar, Dani Lischinski, Raanan Fattal
提出Astra框架结合RL训练的VLM策略与Bagel基础世界模拟器，实现基于想象的空间推理，提升MMSI-Bench从45.1到49.5。
Chenming Zhu, Jingli Lin, Yilin Long 等
MLEvolve是一种基于大语言模型的自我演化框架，用于端到端机器学习算法自动发现，在12小时预算内达成65.3%的奖牌率。
Shangheng Du, Xiangchao Yan, Jinxin Shi 等
提出多项式预处理（PC）层，通过低阶多项式调控权重奇异值谱，提升LLM预训练效率，实验证明在Llama-1B模型中提升速度和准确率。
Senmiao Wang, Tiantian Fang, Haoran Zhang 等
利用大偏差原理分析高维线性分类器的泛化性能，发现“良好插值器”极其稀少，算法优越性超越大部分插值器。
August Y. Chen, Ahmed El Alaoui
本研究通过控制性实验验证提示技能中Popperian程序内容对代码生成的实际贡献，发现结构比内容更关键。
Mehmet Iscan
提出基于实体感知的影像比对框架MedReCo，利用690,000+图像实现临床相似病例检索与变化生成。
Tengfei Zhang, Ziheng Zhao, Lisong Dai 等
HomeWorld提出基于大规模真实住宅平面图的层级式生成框架，实现可控、密集交互的全屋场景，利用LLM和图像模型生成高多样性布局。
Wenbo Li, Xiaoliang Ju, Zipeng Qin 等
提出基于多智能体强化学习的涌现语言方法，观察无先验条件下的意识相关结构，发现自指通信和回声检测电路。
Zengqing Wu, Chuan Xiao
提出基于视觉常识的知识优化框架，提升场景图生成的准确性，三大基准上实现显著性能提升。
Maëlic Neau, Salim Baloch, Jakob Suchan 等
提出一种结构无关的偏差校正方法，利用黑箱模型实现目标参数的最优估计，误差率达n^{-1/2} + δ^a_μ + (δ^s_μ)^2。
Yihong Gu, Qishuo Yin, Tianxi Cai 等
GraphDETR通过端到端训练，将子图检测问题转化为集合预测，能在含1000节点的图中检测50节点的多样子结构，F1得分达91.2。
Dexiong Chen, Till Hendrik Schulz, Karsten Borgwardt
GMBFormer结合NDVI引导的全球记忆库与Transformer，有效提升城市绿地提取精度，平均mIoU达89.25%。
Hao Lei, Xi Cheng, Chenlu Shu 等
提出PhaseLock，无需训练，通过两步推理提取运动先验，提升视频物理一致性平均6.2分。
Woojung Han, Seil Kang, Youngjun Jun 等