提出基于区块链的电信/物联网欺诈请求可审计决策管理框架，结合ML、LLM和区块链实现请求级策略与审计。
Saviz Changizi, Nasibeh Mohammadzadeh, Mohammad Shojafar 等
MedRealMM通过MCCP框架评估多模态医疗咨询，包含5620个真实案例。
Runhan Shi, Quan Zhou, Yuqian Xu 等
OmniMapBench通过VDI指标验证地图文档的视觉推理能力，25个LVLM中最高准确率仅75.03%。
Yang Chen, Yunwen Li, Yufan Shen 等
提出MOSAIC自动搜索异构架构，结合线性、稀疏和低秩机制，显著提升视觉-语言模型效率。
Yuncheng Yang, Feiyang Ye, Shixian Luo 等
提出CABS-C与CABS-D算法，通过代理奖励和相关性加速LLM路由，显著降低后悔值。
Ajay Narayanan Sridhar, Ronak Singh, Mehrdad Mahdavi 等
提出SATS和Token Routing优化LLM激活稀疏，提升性能与效率。
Bishmoy Paul, Youngmin Yi, Hoeseok Yang
引入MultiView-Bench，评估VLM多视角空间整合能力，发现模型在3D空间关系和跨视点信息融合方面存在明显不足。
Hantao Zhang, Jinru Sui, Ed Li 等
提出了一种新的语言模型微调框架，使用逐点约束，显著减少尾部约束违规。
Ignacio Hounie, Ignacio Boero, Alejandro Ribeiro
提出长远终端基准Long-Horizon-Terminal-Bench，涵盖46个长流程任务，强调密集奖励与部分信用，评估模型长时表现。
Zongxia Li, Zhongzhi Li, Yucheng Shi 等
提出训练、阅读、编辑可读Transformer，利用方差底和稀疏单元实现高可解释性。
Mark Oskin
AgenticFocus将人类第一视角视频转化为机器人可训练演示，SPARC得分为-5.18。
Iaroslav Kolomiets, Miguel Altamirano Cabrera, Artem Lykov 等
提出结构稀疏自编码器（S2AE），通过语义和空间正则化提升跨模态概念一致性，提升mIoU6.06%。
Weiduo Liao, Yunqiao Yang, Ying Wei
提出Procrustes条件联合端到端Top-K稀疏自编码器，实现跨随机种子模型的通用特征提取。
Bendegúz Váradi, Zoltán Kmetty
提出自我修补技术揭示大模型微调中记忆知识未能有效迁移的机制，达成58-75%的性能恢复。
Lu Dai, Ziyang Rao, Yili Wang 等
WCog-VLA结合语义预测与生成模型，实现主动驾驶，PDMS达92.9。
Xuerun Yan, Zhexi Lian, Nuoheng Zhang 等
MobiDiff通过多通道离散扩散生成高效且隐私保护的人类移动数据。
Rongchao Xu, Lin Jiang, Dahai Yu 等
AnyDexRT无需校准，通过少量人类指导实现灵巧手的高质量重定向。
Chenxi Wang, Ying Feng, Hongjie Fang 等
提出Temporal Ratio（TR）衡量视频动作模型对未来潜在状态的依赖，改善机器人任务中的泛化能力。
Utkarsh A. Mishra, Yongxin Chen, Danfei Xu 等
KronQ利用Kronecker分解Hessian矩阵引入梯度协方差，显著提升LLM量化性能，2-bit在LLaMA-3-70B达7.93困惑度。
Donghyun Lee, Yuhang Li, Ruokai Yin 等
DeepSearch-Evolve在DeepSearch-World中实现自蒸馏，HotpotQA上达到93.4%。
Xinyu Geng, Xuanhua He, Sixiang Chen 等