采用Quality-Diversity（QD）算法结合监督判别模型，探索音频生成中的创新引擎，利用多频段专用CPPN和MAP-Elites实现多样化音色创新。

Björn Þór Jónsson, Çağrı Erdem, Stefano Fasciani 等

提出干预感知变分量子可微预测控制（IA-VQC-DPC），通过安全归因协议显著降低建筑控制中的违规率，验证了量子策略的安全性和可控性。

Yifan Wang

提出Difference-Aware Retrieval Policies (DARP)，通过邻域差异重参数化提升行为克隆的鲁棒性，性能提升15-46%。

Quinn Pfeifer, Ethan Pronovost, Paarth Shah 等

通过对比Llama 3.1 8B模型前后RLHF的内部表示，揭示RLHF只实现浅层对齐，未去除偏见结构，反而压缩偏见信号变异。

Wendy K. Tam

提出AdvGRPO框架，结合密集多通道奖励和解耦优势归一，实现语言模型的攻防联合优化，提升攻击成功率和防御鲁棒性。

Blake Bullwinkel, Eugenia Kim, Amanda Minnich 等

Popcorn基准结合标题对齐的全片/预告嵌入与缩略图特征，评估多模态电影推荐中的视觉证据效果。

Ali Tourani, Fatemeh Nazary, Yashar Deldjoo 等

提出Agentopia框架，模拟10年长周期多智能体社会，利用生命奖励训练LLMs，提升社会行为和人类认知模拟能力。

Xintao Wang, Sirui Zheng, Hongqiu Wu 等

提出EmbedFilter，通过过滤未嵌入矩阵中的潜在子空间，提升LLMs文本嵌入性能，降低存储和加速检索。

Songhao Wu, Zhongxin Chen, Yuxuan Liu 等

采用个体任务框架，利用Perplexity的搜索与Computer数据，验证AI代理提升自动化、效率与工作范围的实证效果。

Jeremy Yang, Kate Zyskowski, Noah Yonack 等

提出CoMetaPNS，结合持续贝叶斯高斯混合模型，实现心脏电生理模拟的个性化持续元学习，显著提升预测精度与抗灾难性遗忘能力。

Ryan Missel, Xiajun Jiang, Linwei Wang

提出一种基于生理约束的肌骨神经网络（MSK-NN），利用部分sEMG数据实现多自由度关节运动估计，显著优于传统方法。

Wending Heng, Mingming Zhang, Glen Cooper 等

本研究提出基于稀疏自编码器（SAE）和激活空间引导策略，有效检测并降低Whisper模型在非语音输入中的幻觉率，从72.63%降至14.11%。

Georgii Aparin, Vadim Popov, Tasnima Sadekova 等

TEVI利用稀疏自编码器，通过文本条件筛选图像特征，显著提升CLIP模型的视觉-语言对齐和检索性能。

Sweta Mahajan, Sukrut Rao, Jiahao Xie 等

提出Transferability与Predictability扩展ISO 26262，提升自动驾驶系统的控制性与可预期性。

Chaitanya Shinde, Hadi Hajieghrary, Paul Schmitt 等

本论文提出以“观看、记忆、推理”为核心能力的多模态大模型视频理解框架，显著提升长视频的理解能力。

Jiahao Meng, Yue Tan, Qi Xu 等

提出基于模拟的模仿学习框架，自动生成多样化的手势示范，提升无生理信号的假肢抓取成功率至90%以上。

Kaijie Shi, Wanglong Lu, Huiling Chen 等

本文提出基于LLM引导的MAP-Elites演化方法，用于优化医疗决策流程，包括急诊分诊、互动咨询和医学影像分类，显著提升性能。

Ivan Sviridov, Artem Oskin, Ivan Panin 等

提出基于约束优势集的多模态长文问答检索方法，在VisDoMBench上达成66.99的最新SOTA，显著优于传统相似度排名。

Ambuj Mehrish, Sebatiano Vascon

提出SES，无需训练数据，通过方程残差优化，成功恢复代数与微分方程的符号解。

Sergei Garmaev, Vinay Sharma, Olga Fink

提出Code2LoRA，通过超网络为代码模型生成特定适配器，提升在软件演化中的表现，静态和动态两场景均达优异效果。

Liliana Hotsko, Yinxi Li, Yuntian Deng 等