引入Bentkus型渐近e值，消除“缺失因子”，提升多重检验和事后推断的精度。
Diego Martinez-Taboada, Ben Chugg, Aaditya Ramdas
提出一种基于代数恒等式和截断SVD的高维数据流形平均曲率高效计算方法，显著降低复杂度。
Alexandre L. M. Levada
VOLT利用视觉-语言模型进行轨迹分段，实现机器人任务的超速执行，提升速度达2.57倍。
Robert Ramirez Sanchez, Daniel J. Evans, Dylan P. Losey 等
引入数据快照提取基准，评估开源布局检测模型在机构文件中的表现，发现模型在实际应用中存在较大差距。
AJ Carl P. Dy, Aivin V. Solatorio
提出非对称图架构Shallow-RHS，用于新内容冷启动推荐，依赖内容特征映射到协同过滤空间。
Anh Truong, John Trenkle, Yuanbo Chen 等
提出Hub-Aware混合搜索策略，结合预处理和Likelihood-pheromone引导LAAT，有效提升宇宙大尺度结构检测效率。
Simone Vilardi, Reynier Peletier, Felipe Contreras 等
提出iCEM+TL框架，通过迁移学习提升机器人低级运动规划成功率达23%，实现复杂任务的高效零样本迁移。
Yuanzhi He, Victor Romero-Cano, José J. Patiño 等
MolE-RAG结合化学文献、分子特征和结构相似性，显著提升LLMs的分子性质预测性能，分类任务ROC-AUC提升至28个百分点。
Joey Chan, Wonbin Kweon, Ashley Shin 等
提出基于分布式DAgger的丰富反馈强化学习方法DistIL，保证单调改进并提升Pass@N指标。
Rishabh Agrawal, Jacob Fein-Ashley, Paria Rashidinejad
Humanoid-GPT采用大规模2B帧运动数据和GPT结构，实现零样本高动态运动追踪，超越传统MLP追踪器。
Zekun Qi, Xuchuan Chen, Dairu Liu 等
Skill-RM通过Agent技能统一多样评价标准，在奖励模型中实现动态资源调度，提升性能，实验中在RewardBench2等基准上优于传统方法。
Tao Chen, Gangwei Jiang, Pengyu Cheng 等
引入“睡眠”范式，通过知识播种与梦境机制实现大模型的持续学习与记忆巩固。
Ali Behrouz, Farnoosh Hashemi, Vahab Mirrokni
提出基于奖励不确定性的多样行为引导框架ROSA，通过奖励分布实现行为多样性，无性能折损。
Anthony GX-Chen, Ankit Anand, Gheorghe Comanici 等
提出偏好校准的HIL-RL框架PACT，通过识别次优段落校正Q值，提升机器人操作成功率24.5%，收敛速度提升1.3倍。
Zeyi Liu, Guangyao Liu, Yinuo Qu 等
提出SEAOTTER框架，结合学习的JPEG编码与一次性转码，实现200:1压缩比下的高效图像重建，编码速度提升7倍，准确率提升8%。
Dan Jacobellis, Neeraja J. Yadwadkar
本文提出基于平衡传播（EP）训练预测编码网络（PCN），在ImageNet上实现10层卷积模型，达13.23% Top-5误差，接近反向传播（12.2%）。
Tugdual Kerjan, Rasmus Høier, Benjamin Scellier
提出SEIG框架，利用预训练视觉-语言模型（VLM）实现单图反向图形，逐步细化几何、材质、布局和光照，生成可编辑的Blender程序。
Guangzhao He, Rundong Luo, Wei-Chiu Ma 等
AdaCodec采用预测性视觉编码，仅在预测成本高时使用完整视觉标记，显著提升长视频理解效率，平均节省84.7%的视觉Token。
Haowen Hou, Zhen Huang, Zheming Liang 等
本文提出VLM作为视频推理的教师，通过测试时在线优化，提升模型性能16.7分，超越传统方案。
Junhao Cheng, Liang Hou, Tianxiong Zhong 等
提出SubFit方法，在LLM中以非连续子模块级别替换，显著提升压缩效果，25%稀疏下保持84.6%准确率。
Elia Cunegatti, Marcus Vukojevic, Erik Nielsen 等