提出基于奇异值分解的训练无关真理方向，揭示知识依赖的维度变化，验证其在多模型中的关系规律。
Francesco Karim Vicidomini
提出多样性导向微调策略（SFT和DPO），提升模型在语义熵检测中的假象识别能力。
Qiuyuan Li, Hongliang Dai, Piji Li
提出PAVXploreRL，通过奖励驱动训练显式优化物理合理性、动作遵循和视觉保真，提升世界模型性能。
Han Wang, Zijun Wang, Shuoshuo Xue 等
基于耦合神经形状（CNS）表示的类别无关3D编辑框架，结合神经特征体积优化。
Jingyu Hu, Weilong Yan, Zhengzhe Liu 等
提出TTCov在部署场景中通过测试条件数据筛选提升自主驾驶性能，显著优于基线。
Nadine Chang, Maying Shen, Shizhe Diao 等
B2B用EnergyPlus生成6000栋建筑，系统评测RL的目标、动力学、动作空间与跨域泛化。
Vincent Taboga, Justin Veilleux, Doseok Jang 等
提出基于抽象语法树的AoA证明代理，显著降低API成本和提升效率。
Qiyuan Xu, Joshua Ong Jun Leang, Renxi Wang 等
在有限标注和导航预算下，提出一种用于物体检测的具身主动学习方法，提升YOLOv5检测精度。
Hadrien Crassous, Mohamed Yassine Kabouri, Minahil Raza 等
MDND结合可微与不可微方法，实现形状对应的无监督学习，显著提升非等距形状的匹配精度。
Qinsong Li, Jing Meng, Haibo Wang 等
论文提出结合检查点适用性、敏感性分析与Conformal Risk Control的代理模型，在5188个配置上预测修复影响。
Nada Hanad, Mehdi Acheli, Ali NourEldin 等
提出IoU-PD，利用真实边界框作为训练中的特权信息，提升多模态大模型的视觉定位精度。
Xiuyuan Zhu, Ke Lu, Hao Wu 等
提出异步快慢视觉语言动作推理架构，将路线完成率从37.0提升至94.0。
Yun Li, Jiachen Gong, Simon Thompson 等
ASK-NN使用不对称最近邻测试检测自然语言中的分布漂移。
Sergey Zakharov, Rodion Oblovatny, Alexey Zaytsev
提出递归自我提升的RHI方法，通过少量迭代优化用户构建的任务特定harness，显著提升低推理成本代理性能，减少推理成本达60%。
Hyunin Lee, Jinglue Xu, Jeffrey Seely 等
提出Plover，基于计划的视觉GUI自动化系统，通过外部化任务计划实现可检视、可修正，提升透明度与控制性。
Madhumitha Venkatesan, Shicheng Wen, Jiajing Guo 等
通过线性探测验证神经语言模型中语法性编码，显示模型能系统区分语法与非语法句子。
Jane Li, Najoung Kim
提出多轴Max@K强化学习提升文本到图像模型的目标模式覆盖率，显著改善多样性和公平性。
Ku Onoda, Paavo Parmas, Hiroki Furuta 等
TanGO利用切空间指导和优化，实现无训练3D编辑，显著减少结构伪影。
Siwoo Lim, Sunjae Yoon, Gwanhyeong Koo 等
D-cut通过跨请求修剪和运行时自适应，提升高并发推理速度，最高达3倍。
Tianyu Liu, Yuhao Shen, Rui Cen 等
提出MCPEvol-Bench，通过11个突变算子模拟MCP服务器演化，评估12个LLM模型在动态工具环境中的适应性。
Huanxi Liu, Kun Hu, Jiaqi Liao 等