PEHT结合LoRA优化Transformer，利用城市交通与拥堵信息实现网络流量高精度预测。
Abdolazim Rezaei, Mehdi Sookhak, Mahboobeh Haghparast
提出MMAO：基于内源性资源调控的多智能体优化框架，适用于连续与离散问题。
Jinliang Xu, Liping Ma
MultiHashFormer采用多哈希签名机制支持因果语言模型，参数规模在100M至3B，显著优于标准Transformer，且支持无参数扩展多语言词汇。
Huiyin Xue, Atsuki Yamaguchi, Nikolaos Aletras
RiVER框架利用无Ground-Truth的连续评分优化，提升LLMs在算法竞赛中的表现，平均提升2.4%-3.5%。
Yingyu Lin, Qiyue Gao, Nikki Lijing Kuang 等
RouterVLA利用烟雾测试作为监督信号，通过 outcome-disjoint 交叉拟合提升异构VLA策略选择成功率，从0.4686提升至0.6149。
Xingyu Ren, Chugang Yi, Ge Ma 等
提出误差条件神经求解器（ENS），通过将PDE残差作为输入实现迭代修正，显著提升预测精度达10倍，避免高成本优化。
Haina Jiang, Liam Wang, Peng-Chen Chen 等
SAM2Matting将VOS追踪器扩展至高保真视频抠图，单纯图像训练实现SOTA性能。
Ruiqi Shen, Guangquan Jie, Chang Liu 等
提出PEEU方法，通过自主探索和后见经验增强小型多模态网页代理的任务规划能力，模型7B达30.6%准确率。
Tianyi Men, Zhuoran Jin, Pengfei Cao 等
提出两种正则化方法增强Top-k稀疏自编码器的单义性与鲁棒性，提升解释性与重建质量。
Nathanaël Jacquier, Maria Vakalopoulou, Mahdi S. Hosseini
本研究首次将大规模语言模型（LLMs）应用于德国央行证券资格审查，采用生成式信息抽取，达成最高91%的文件级精准率。
Serhii Hamotskyi, Akash Kumar Gautam, Christian Hänig
本文将Blackwell逼近与梯度平衡（GEQ）等价关系通过算法还原，揭示其在在线学习中的深层联系。
Brian W. Lee, Nika Haghtalab, Michael I. Jordan 等
Ribbon：基于影响函数的可扩展贝叶斯不确定性近似，提升模型校准与效率。
Graham Gibson, John Tipton, Kellin Rumsey 等
提出决策对齐评估框架，批判现有UQ指标偏离决策实用性，创新性引入先验加权实用性指标，实验验证其优越性。
Annika Schneider, Tommy Rochussen, Joshua Stiller 等
AgentX通过多智能体系统实现工业推荐系统的自主自我迭代，提升效率和业务价值。
Changxin Lao, Fei Pan, Guozhuang Ma 等
提出基于贝塞尔曲线的随机游走优化（BWE），结合距离感知随机游走与自适应曲线阶数调节，实现从全局探索到局部开发的平衡。
Jinpeng Wang, Xingguo Xu, Yujing Sun 等
提出Red Queen Gödel Machine（RQGM），通过共进化学习评估器实现非静态目标优化，在代码、论文、证明等任务中提升性能，节省1.35-1.86倍搜索成本。
Alex Iacob, Andrej Jovanović, William F. Shen 等
基于物理信息神经网络的自监督学习模型SimPhysNet，实现激光焊穿透预测，使用200张标注图像达96.06%准确率。
Sen Li, Xiaoying Liu, Xiaojian Xu 等
本文提出判别性合成数据增强框架，分析在模型充分指定和偏差模型下的性能变化，揭示增强对指标的有限或非单调改善。
Zhengchi Ma, Pengfei Lyu, Anru R. Zhang
本研究揭示预训练中规则存续的非对称性，利用支持频率预测规则命运，发现规则易被破坏且难以恢复，采用编辑和干预验证机制。
Juliana Li, Diya Sreedhar
本研究提出基于Whisper模型的低资源阿尔及利亚方言端到端语音对话系统，涵盖ASR、NLU、RAG和TTS，关键指标包括13.74%的词错误率。
Dihia Lanasri, Fairouz Taki, Asma Kemmoum