引入IRS框架，通过不一致-解决监督提升多模态幽默理解，72B模型在NYCC上接近专家水平。
Hatice Merve Vural, Doga Kukul, Ege Erdem Ozlu 等
通过政策引导的混合仿真框架，PGHS在美团上实现了8.80%的群体仿真误差。
Ziyang Chen, Renbing Chen, Daowei Li 等
HippoCamp基准测试评估多模态文件管理代理，揭示当前模型在用户环境中的局限性，最高准确率仅48.3%。
Zhe Yang, Shulin Tian, Kairui Hu 等
提出了一种马尔可夫框架，用于审计代理AI的可靠性和监督成本，提升了12.53%的状态-动作盲点质量。
Biplab Pal, Santanu Bhattacharya
OS-Themis框架在AndroidWorld上提升10.3%，通过多代理批判机制优化GUI奖励。
Zehao Li, Zhenyu Wu, Yibo Zhao 等
Box Maze框架通过内存锚定、结构化推理和边界执行三层结构，显著降低LLM推理错误率至1%。
Zou Qiang
提出了一种无参考模拟框架，通过训练独立的用户和推荐器模拟器生成更真实的对话。
Jerome Ramos, Feng Xia, Xi Wang 等
自适应领域模型通过贝叶斯蒸馏和温暖旋转实现几何和神经形态AI的高效训练。
Houston Haynes
LEAFE框架通过反思性经验内化恢复能力，提升长远任务中的Pass@k表现。
Rui Ge, Yichao Fu, Yuyang Qian 等
研究发现反事实解释的算法指标与用户感知不一致，需更人性化的评估方法。
Felix Liedeker, Basil Ell, Philipp Cimiano 等
OpenSeeker通过开放训练数据，利用可控问答合成和去噪轨迹合成，实现前沿搜索代理的民主化。
Yuwen Du, Rui Ye, Shuo Tang 等
提出了一种将人类心灵视为操作系统的认知架构，用于构建人工通用智能。
Anton Kolonin, Vladimir Krykov
开发了一种支持印度孕产妇健康的聊天机器人，使用阶段感知分诊和混合检索，紧急召回率达86.7%。
Smriti Jha, Vidhi Jain, Jianyu Xu 等
CRYSTAL基准评估多模态推理透明性，提出Match F1和Ordered Match F1，揭示现有模型的系统性缺陷。
Wayner Barrios, SouYoung Jin
通过结构化蒸馏方法，将个性化代理记忆的代币数量减少11倍，同时保留检索能力。
Sydney Lewis
研究通过推理LLM裁判在不可验证LLM后训练中提高性能，使用gpt-oss-120b作为金标准。
Yixin Liu, Yue Yu, DiJia Su 等
Porfolio-CEGAR-SEQ算法在3D打印中优化对象排列和调度，减少打印板使用。
Pavel Surynek