Piper通过策略解耦与中间表示实现分布式训练的灵活性，优化多策略联合调度，提升性能与内存效率。
Megan Frisella, Shubham Tiwari, Andy Ruan 等
提出COGENT，基于神经常微分方程的连续图模拟器，用于长远地理空间网格的物理预测。
Zesheng Liu, Maryam Rahnemoonfar
引入Itô映射实现任意步长SDE采样，支持条件采样与控制，提升生成多样性与效率。
Zhengkai Pan, Peter Potaptchik, Wenxi Yao 等
JOIN系统通过 opposition-score 和任务导向操控性实现异构双臂协作，成功率达95%。
Drake Moore, Matt Cheng, Xiang Zhi Tan 等
提出一种高效学习漂移半空间的算法，误差上界为η + ˜O(Δ^{1/3}/γ)，在Massart噪声下实现近似最优。
Mingchen Ma, Guyang Cao, Jelena Diakonikolas 等
提出MOFA-VTON，通过用户草图实现细粒度虚拟试衣，超越传统布局限制。
Xiaoyu Han, Chenyang Wang, Jing Wang 等
本文提出基于描述符的分布式多地面机器人（UGV）探索框架，结合环路检测和层次规划，显著提升资源有限环境中的探索效率与定位精度，关键指标AR@1达89.9%。
Zhiwei Li, Haiou Liu, Xijun Zhao 等
VISTA引入融合UI与API的混合用户模拟器，采用六项指标评估交互真实性与能力覆盖，显著优于现有方法。
Yunan Lu, Ryan Shea, Yusen Zhang 等
提出HiViG，结合历史状态追踪与视觉基础的测试时干预框架，提升GUI任务成功率，Qwen3-VL-32B提升5.8%，Gemini-3-Flash提升9%。
Jaewoo Lee, Zaid Khan, Archiki Prasad 等
本文提出基于演化替代矩阵的灵活核函数，利用高效高斯过程模型预测蛋白质性质，显著优于嵌入基础模型的方案。
Martin Jankowiak, Yerdos Ordabayev, Rudraksh Tuwani 等
本文提出基于大语言模型（LLM）的自主驾驶成本优化框架，通过自然语言交互实现动态调节，结合MPPI控制实现安全与个性化驾驶。
Diego Martinez-Baselga, Khaled Mustafa, Javier Alonso-Mora
miniReranker通过视觉缓存重用和交互稀疏技术，在多模态重排序中实现了<1%的运行时间，性能保持在96%以上。
Yingqi Fan, Xuan Lu, Anhao Zhao 等
提出SkillResolve-Bench，通过661对技能对比和7,982候选池，有效衡量并减少相同能力模糊带来的执行风险，提升召回率和安全性。
Jiandong Ding
MemoryVLA++结合记忆与想象实现机器人长时序建模，显著提升任务成功率。
Hao Shi, Weiye Li, Bin Xie 等
本文提出DRPO，通过平滑优势加权二次正则化改善LLM强化学习中的偏差正则，提升训练稳定性和效率。
Jiarui Yao, Xiangxin Zhou, Penghui Qi 等
iMaC将未来机器人动作转化为图像控制，提升视频预测和任务执行的空间表达能力。
Zhenyu Wu, Xiuwei Xu, Yukun Zhou 等
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