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
提出脚本归一化的WER（SN-WER），在五种印地语系语言中通过转写减少多达12%的脚本偏差影响，提升多脚本ASR评估的准确性。
Priyaranjan Pattnayak
SimSD采用插拔式掩码策略，为扩散式大语言模型引入令时间有效的逐词验证，实现最高7.46倍的解码吞吐提升。
Junxia Cui, Haotian Ye, Runchu Tian 等
LongTraceRL通过知识图随机游走生成多跳问答，利用搜索轨迹构建分层干扰项，采用实体级评分奖励，显著提升长文本推理性能。
Nianyi Lin, Jiajie Zhang, Lei Hou 等
本文提出“Disagreeing Rationales”框架，系统分析多样标注与解释在仇恨言论检测中的影响，强调软标签和软理据的优势。
Benedetta Muscato, Beiduo Chen, Gizem Gezici 等
本研究提出多轮多智能体对话框架，利用视觉语言模型（VLM）在空间推理任务中的表现，发现其提升有限，主要受限于视觉空间地面化能力。
Chalamalasetti Kranti, Sherzod Hakimov, David Schlangen
本文提出LLMSurgeon，通过逆问题方法估算大规模语言模型的预训练数据域比例，实验在LLMScan基准上达94.46%的准确率。
Yaxin Luo, Jiacheng Cui, Xiaohan Zhao 等
提出COMPOSE框架，结合科学引用图与形式定理依赖图，生成更具数学深度的未来定理，基于108K对数据集和47K未来论文测试。
David Busbib, Michael Werman
提出MedCase-Structured，基于LLMs生成符合FHIR R4标准的临床数据集，用于诊断推理评估，82.5%的成功率。
Valentina Bui Muti, Eugénie Dulout, Ziquan Fu
提出双向进化搜索（BES）框架，结合正向候选演化与逆向目标分解，有效突破模型探索与验证的局限。
Guowei Xu, Zhenting Qi, Huangyuan Su 等
OmniVerifier-M1采用符号化输出与解耦强化学习，提升视觉验证的准确性和效率，达成0.68在ViVerBench指标。
Xinchen Zhang, Bowei Liu, Jiale Liu 等
提出CAPO方法，通过跨标注偏好优化，模型学习到个体标注者的稳定解释行为，显著优于提示和SFT。
Beiduo Chen, Pingjun Hong, Ziyun Zhang 等
FluxMem通过三阶段演化机制，将记忆建模为动态异构图，显著提升LLM在复杂环境中的适应性和泛化能力。
Jizhan Fang, Buqiang Xu, Zhixian Wang 等
FinHarness通过内联生命周期安全护具，FinVault基准ASR降至15%，高级判官调用减少4.7倍
Haoxuan Jia, Yang Liu, Bin Chong 等
ConvexTok通过凸松弛优化Tokeniser，提升压缩率，词汇量128k时接近最优，BpB提升显著。
Jan Tempus, Philip Whittington, Craig W. Schmidt 等
基于BBC新闻，评测六款AI聊天机器人对新兴事实的多语言检索与回答准确率，最高达95.6%。
Mirac Suzgun, Emily Shen, Federico Bianchi 等
基于KairosQA数据集，6B参数模型顺序预训练提升时间敏感知识准确率，较随机打乱提升F1达15%。
Pilchen Hippolyte, Fabre Romain, Signe Talla Franck 等
LongMemEval-V2通过AgentRunbook-C实现72.5%的准确率，评估代理的长期记忆能力。
Di Wu, Zixiang Ji, Asmi Kawatkar 等
通过测试时LLM指导的任务自适应嵌入优化，提升零样本搜索和分类性能，提升达25%。
Ariel Gera, Shir Ashury-Tahan, Gal Bloch 等
通过计算社会科学框架，审计LLM生成的政治话语在九个危机事件中的表现，发现其情感更负面且结构更一致。
Gunjan, Sidahmed Benabderrahmane, Talal Rahwan